Pattern Recognition P1 Q2

pythonp1q2.py

import numpy as np

# deviance ve mean buradan giriliyor
dev = 10
var  = dev ** 2
mean = 3

# örnek kümesinin boyutu
size = 150

nor_dis = np.random.normal(mean, dev, size)

mean_c = 0
for item in nor_dis:
    mean_c+=item
mean_c = mean_c / size

var_c = 0
for item in nor_dis:
    var_c += (item - mean_c) ** 2    

var_c = var_c / (size - 1)

# girilen değerleri yazdır
print("prompt mean %s" %mean)
print("prompt var %s" %var)

print()

# standart hesaplama yöntemleri ile hesaplanan değerleri yazdır
print("calc   mean %s" %mean_c)
print("calc   var  %s" %var_c)

# numpy kütüphanesini kullanarak karşılaştırma amaçlı mean ve varyans hesabı yap
lib_mean = np.mean(nor_dis)
lib_var  = np.var(nor_dis)

print("lib calc mean %s" %lib_mean)
print("lib calc var  %s" %lib_var)

print()

# prior bilgisini buradan giriyoruz
prior = 3

bayes_mean = 0

sov = size / var
oovo = 1 / var_c
bayes_mean = (mean_c * sov / (sov + oovo)) + (oovo * prior / (sov + oovo))

# bayes estimator sonucunda bulunan mean değerini ekranda göster
print();
print("bayes mean %s" %bayes_mean)