scipy.stats - scipyの統計関数群のAPI - keisukeのブログ
scipyにはstatsという統計関数をまとめたモジュールがあります． statsにはいろいろな統計関数が用意されていますが，APIは統一されていますので，それについてちょっとまとめてみます． どんな統計関数があるの？ かなりの種類があり，すべてを書くわけにはいかないので， 公式のリファレンスへのリンクを置いておきます． 連続確率変数 離散確率変数 API 各統計関数は，scipy.stats.hogeとしてアクセスできます． 例えば，正規分布なら，scipy.stats.normです． APIはすべての統計関数で共通なので，以下では正規分布の例を使います． from scipy.stats import norm # 正規分布 rvs (Random variates) 確率変数 x = norm.rvs(loc=0, scale=1, size=1) 期待値loc，標準偏差scaleの
pythonでファイナンス計算 - saito’s blog
先日会社で退職金の説明会がありました。それによると退職金の一部を確定拠出年金として自分で運用しなくてはいけないとのことで、ポートフォリオを設計する必要あります。今時は各種金融機関がポートフォリオのシミュレーターを公開していますし、Excelを使って計算するという方法もありますが、ここでは例によってpythonでポートフォリオの設計をやってみます。 実は、pythonにはnumpyやscipyといった科学計算のライブラリやcvxoptという最適化計算のライブラリがあるので、それらを利用すれば簡単かつ高速に最適なポートフォリオを計算することができます。 ちなみに、僕はファイナンス理論の専門家ではないので、ここに書いてある記述が正確であるという保証はできません。あしからず。 分散共分散行列を計算する 各投資対象のリスクと投資対象同士の相関係数が分かっているならば、分散共分散行列は行列計算で計算で
numpyの1d-arrayを2d-arrayに変換 - keisukeのブログ
超基本的だけど毎回微妙にむかつくので整理するためにメモ． numpyはベクトルと行列を分けているので*1，ベクトルの転置が取れなくて困る． n次元ベクトルxは，numpyでは行ベクトルでも列ベクトルでもない．単にn次元ベクトル． だからx.transpose()してもなにも起きない．ベクトルにtranspose()したらエラー投げて欲しい． 明示的に行ベクトルや列ベクトルにするときは，行ベクトルなら1xn行列，列ベクトルならnx1行列を作る必要がある． n次元ベクトルxから行ベクトル(横ベクトル)を作るときは，x.reshape(1, n)． 列ベクトル(縦ベクトル)を作るときは，x.reshape(n, 1)． x.reshape(-1, n)でも問題ない．reshapeではtupleの要素にひとつだけ-1を指定できる．-1を指定された次元は，他の明示的に指定した次元と元のベクトルの長さ
高速数値計算ライブラリ「Numpy」覚書き - Pashango’s Blog
Pythonで一番有名で普及しているライブラリと言っても過言ではない「Numpy」の覚書きです。かなり多機能な数値計算ライブラリで、内部はC言語で記述されているため超高速に動作します。 ベクトル ベクトルの長さ＆正規化 import numpy a = numpy.array([[2,2]]) #ベクトルの長さ length = numpy.linalg.norm(a) #length=>2.8284271247461903 #ベクトルの正規化 a / numpy.linalg.norm(a) #=>array([[ 0.70710678, 0.70710678]]) 内積＆外積 import numpy v1 = numpy.array((1,0,0)) v2 = numpy.array((0,1,0)) #内積 numpy.dot(v1,v2) #=> 0 #外積 numpy.cros
scipy.optimize.minimizeにおけるconstraintsオプションの与え方と意味について - Qiita
制約付き最小化問題をscipy.optimize.minimizeで解く scipyにはminimizeという、与えた目的関数値を賢く最小化してくれる関数が入っています。 主に線形計画法なんかで使われたりすることが多いです。 最小化にも 取りうる値が連続 OR 離散 関数が線形 OR 非線形 変数の次元が1つ OR 複数 制約条件のあり OR なし などのパターンがあり、それらに応じ最適なアルゴリズムを選択する必要があります。 これらのアルゴリズムは後述するようにmethodオプションに文字列で渡すことで指定できます。 今回は制約付き非線形最適化問題を扱う場合の話です。 制約条件付き非線形最小化問題を扱うアルゴリズムはCOBYLAとSLSQPの2つです。 呼び出しは以下のようにします。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
