我们得到一个D维张量，表示为大小为n ^ D的向量。
向量表示{0,1，...，n} ^ d中随机变量X \的D维分布。即张量中的（i_1，i_2，...，i_d）条目表示X_1 = i_1，X_2 = i_2，... X_d = i_d的概率。
我需要为每个维度d计算，并在[n]中计算边际分布P（X_d = i）的值。
即，这意味着P（X_d = i）的答案是向量的n ^（D-1）个项的总和。
例如，如果D = 2且n = 4，我们有一个大小为（16,1）的向量x，第一个维度等于1的概率为
P（X_1 = 1）= x（1）+ x（2）+ x（3）+ x（4）
第二维等于3的概率是'
P（X_2 = 3）= x（3）+ x（7）+ x（11）+ x（15）
我正在编写需要计算这些边际分布的Matlab代码，但我不熟悉Matlab以简单的方式完成它（使用一些丑陋的递归是可行的，但必须有更好的选择）。
答案 0 :(得分：2)
要为P(X_k=z) - 维矩阵计算D，您可以使用
xD = reshape(x, n*ones(1,D));
B = permute(xD, [k setdiff(1:D, k)]);
P = sum(B(z,:));
它首先使它成为D - 维矩阵。它将感兴趣的维度k添加到开头，然后选择z - 元素并对与其对应的元素求和。
答案 1 :(得分：0)
Mohsen Nosratinia's answer将是我的第一选择。作为替代方案，可以在不重新整形或置换尺寸的情况下完成，这可以产生更快的代码：
k = 2; %// chosen dimension
z = 3; %// chosen value (along d-th dimension)
result = sum(x(mod(floor((0:end-1)/n^(k-1)), n)==z-1));