我正在尝试在Matlab中实现Total variation distance of probability measures（TVD）。使用max function来计算TVD方程的“上确界”是否正确？
的数据
我的尝试：
% Input
A =[ 0.444643925792938 0.258402203856749
0.224416517055655 0.309641873278237
0.0730101735487732 0.148209366391185
0.0825852782764812 0.0848484848484849
0.0867743865948534 0.0727272727272727
0.0550568521843208 0.0440771349862259
0.00718132854578097 0.0121212121212121
0.00418910831837223 0.0336088154269972
0.00478755236385398 0.0269972451790634
0.00359066427289048 0.00110192837465565
0.00538599640933573 0.00220385674931129
0.000598444045481747 0
0.00299222022740874 0.00165289256198347
0 0
0.00119688809096349 0.000550964187327824
0 0.000550964187327824
0.00119688809096349 0.000550964187327824
0 0.000550964187327824
0 0.000550964187327824
0.000598444045481747 0
0.000598444045481747 0
0 0
0 0.000550964187327824
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0.000550964187327824
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0.00119688809096349 0.000550964187327824];
P = A(:,1);
Q = A(:,2);
% Total variation distance (of probability measures)
d = max(abs(P-Q))字符串
这导致：
d = 0.186241721936189型
2条答案
按热度按时间sqyvllje1#
如果你的概率测度有一个有限集作为支持（数值近似的情况下是必然的），那么是的，存在一个最大值，并且与上确界重合。
如果你的有限数据只是实际的、潜在的分布的近似，可能定义在一个无限的集合上，那么你的数据的最大值将只是真实分布的实际上确界的近似。无论如何，在这种情况下，使用数据的最大值也可能是有意义的。
mepcadol2#
正确的Matlab代码来自Matlab的用户“Bruno Luong”：
字符串
对应于：
来自：https://ch.mathworks.com/matlabcentral/answers/1991183-implement-the-total-variation-distance-tvd-in-matlab?s_tid=mlc_ans_email_ques