网络上两个随机事件的距离统计
randist的Python项目详细描述
随机事件之间的距离
该软件包主要用于符号和数值计算给定图中任意阶矩、pdf、cdf及其对应的两个随机事件之间的距离。事件在网络中的位置以元组编码，其中e={u，v}（假设u<；v）是事件发生的边缘，而p是事件在该边缘上的相对位置，即u中的段的长度。（索引较小的顶点）事件的位置除以边的长度。由于这两个事件都是随机的，我们使用（x，p）和（y，q）分别表示这两个事件。
这些公式可以很容易地嵌入到优化模型中。如果将x和y的pmf作为决策变量，则这些公式都是这些变量中的线性函数。用户可以使用公式方法x coeff和ycoeff来检索相应的系数。
安装
使用PIP安装Randist软件包。
pip install randist
输入
一种数据文件，其行是具有额外属性的网络边缘。共有五列，
i：边的第一个顶点j：边的第二个顶点l：当前边的长度x：事件1发生在当前边上的概率y：事件2发生在当前边上的概率
两个事件相对位置的联合分布，
。这应该作为
phi对象提供， < > >- 交互式用户界面。
- 对于普通图来说，现在的运行速度还算不错。通过在C中重写核心函数，可以进一步提高速度。 < > >
from sympy.abc import p, q # import symbols
import randist as rt # import our randist package
phi_pq = 1 # the uniform distribution
phi_pq = 36 * p * (1 - p) * q * (1 - q) # both are beta functions with parameters alpha = beta = 2
phi = rt.Phi('betapq', phi_pq=phi_pq) # create a Phi object with a name
在当前的实现中，我们假设随机变量x和y是独立的，但是我们在本文中开发的公式没有这个限制。另外，目前，我们假设联合pdf
欢迎加入QQ群-->： 979659372
