Question

我在计算这个问题时遇到了麻烦。该代码适用于N的所有值，包括N = 57，但是对于大于或等于58的N，会抛出溢出错误（34，结果太大＆＃39;）。有没有办法绕过这个？感谢。

import numpy as np
import scipy.integrate
import scipy.optimize
import warnings
warnings.filterwarnings('ignore')

R = 6
N = 58
Nb = 4
S_norm = 0.3
Ao = 1/8.02e-5


y = (N-Nb/R)/Ao

def likelihood(psi):

    def func_likelihood(A):
        sum = 0
        for k in range(0, N+1):
            r = (np.math.factorial(N-k+Nb)/(np.math.factorial(k)*np.math.factorial(N-k))*(A*psi*(1+R))**k)
            sum = r+sum
        return sum* (np.exp(-0.5*(np.log(A/Ao)/S_norm)**2)*np.exp(-A*psi)/A)

    return (scipy.integrate.quad(func_likelihood, 0, np.inf, full_output=1,epsabs=1e-300, epsrel=1e-300))[0]

psi = y-y/10

MLE = scipy.optimize.fmin(lambda psi: -likelihood(psi), y, disp=0,full_output=1)[0][0]

normal_factor = 1/likelihood(MLE)

print(normal_factor* likelihood(psi))

Answer 1

它通常更有效，并且具有更少的溢出问题来计算术语的商，并使用该商来更新每个步骤中的术语。

压缩索引k的术语是

r[k] = ( (N-k+Nb)! )/( k!*(N-k)! ) * (A*psi*(1+R))**k

以便最后一项的商是

r[k+1] / r[k] = ( (N-k) )/( (N-k+Nb)*(k+1) ) * (A*psi*(1+R))

和

r[0] = ( (N+Nb)! )/( N! ) = (N+1)*...*(N+Nb)

然后允许将求和函数重新表示为

 def func_likelihood(A):
      sum = 0
      r = 1
      for k in range(Nb): r *= N+k+1
      sum = r
      for k in range(0, N+1):
          sum += r;
          r *= (A*psi*(1+R)) * (N-k)/((N-k+Nb)*(k+1))
      return sum * (np.exp(-0.5*(np.log(A/Ao)/S_norm)**2)*np.exp(-A*psi)/A)

Answer 2

您未能提供错误消息，但我打算在r循环中的因子计算for k。

有几种方法可以解决这个问题。一种是切换操作顺序，这样就可以消除常见因素，而不是从58开始！（超过默认的整数限制）。这涉及更多编码，或者可能调用组合因子函数，例如将做C（n，k） - @LutzL提到二项式函数。当然，你没有完全二项式，但你可以使用它，然后根据-k+Nb因子的需要调整分子。

另一种方法是切换到大整数（请参阅numpy＆amp; scipy的文档，以便解决所有包中的问题。）

取幂期间的OverFlowError

2 个答案: