文件名称：SampleBounds:这是Erik Learned Miller教授领导的Sample Bounds项目的存储库
文件大小：1.43MB
文件格式：ZIP
更新时间：2024-05-31 05:42:40
JupyterNotebook
SampleBounds 这是Erik Learned Miller教授领导的Sample Bounds项目的存储库。 该项目的目的是从具有以下属性的未知概率分布中得出的样本的统计属性（均值，中位数，方差等）得出严格的概率界限- 分布是绝对连续的。 分布具有定义的密度。 该发行版具有有限的支持。 概率界限必须是无分布的。 除上面列出的假设外，不得对分布进行强力假设。 我们将假定从分布中抽取的样本是独立且均匀分布的。
【文件预览】：
SampleBounds-develop
----Ipython_notebooks()
--------Variance Estimate.ipynb(71KB)
--------RandomExperiments on Order Statistics-week2.ipynb(80KB)
--------MeanOrderStatistics.ipynb(66KB)
--------BootstrapBounds-week3.ipynb(148KB)
--------Triplet simulation Order Statistics for 50 percentiles.ipynb(211KB)
--------Plotting.ipynb(69KB)
--------Triplet Simulation fr only upper bound.ipynb(206KB)
--------Distribution Experiment.ipynb(19KB)
--------CentralLimitBounds.ipynb(184KB)
--------experiments on variance.ipynb(30KB)
--------TestingOrderStats.ipynb(7KB)
--------Massart-Bound.ipynb(175KB)
--------CDF2Mean.ipynb(30KB)
--------Triplet Simulation for the 50th percentila and above.ipynb(19KB)
--------Chernoff-Hoeffding Bound-week3.ipynb(149KB)
--------OrderStatistics.ipynb(44KB)
--------Triplet Simulations.ipynb(124KB)
--------Plots()
--------Triplet Simulation fr only lower bound.ipynb(208KB)
--------Data()
----SummerResearch()
--------Distribution Skew after square.ipynb(56KB)
--------delta_values.csv(84KB)
--------Different Delta Dependent on density of histogram.ipynb(40KB)
----src()
--------main()
----.gitignore(1KB)
----README.md(685B)