Запитання з тегом «cauchy»

З функції щільності розподілу ми могли б визначити середнє значення (= 0) для розподілу Коші, як показано на графіку нижче. Але чому ми кажемо, що розподіл Коші не має ніякого значення?

109 distributions  mathematical-statistics  mean  pdf  cauchy 

Зараз я працюю над проблемою, де мені потрібно розробити алгоритм ланцюга Маркова Монте-Карло (MCMC) для моделі простору стану. Щоб мати змогу вирішити задачу, мені було надано таку ймовірність : p ( τ ) = 2I ( τ > 0) / (1+ τ 2 ). τ - стандартне відхилення x .ττ\tauττ\tauττ\tauτ2τ2\tau^2ττ\tauххx …

24 distributions  bayesian  prior  state-space-models  cauchy 

Чи може хтось надати мені кілька практичних прикладів розподілу Коші? Що робить його таким популярним?

16 distributions  continuous-data  cauchy 

Для того, щоб CLT утримувався, нам потрібно розподіл, який ми хотіли б наблизити до середнього та кінцевої дисперсії σ 2 . Чи було б правдою сказати, що для випадку розподілу Коші, середнє значення та дисперсія якого не визначені, теорема про центральну межу не дає хорошого наближення навіть асимптотично?μμ\muσ2σ2\sigma^2

15 probability  central-limit-theorem  asymptotics  cauchy 

Чи розподіл Коші якось є "непередбачуваним" розподілом? Я намагався робити cs <- function(n) { return(rcauchy(n,0,1)) } в R для безлічі n значень і помітили, що вони час від часу генерують досить непередбачувані значення. Порівняйте це з напр as <- function(n) { return(rnorm(n,0,1)) } що завжди видає "компактну" хмару точок. За …

14 distributions  intuition  cauchy 

Зазвичай, коли беруть випадкові середні вибіркові показники розподілу (розмір вибірки більше 30), отримують нормальне центрирование розподілу навколо середнього значення. Однак я чув, що розподіл Коші не має середнього значення. Яке розподіл отримують тоді, коли отримують вибіркові засоби розподілу Коші? В основному для розподілу Коші не визначено, що таке і що …

14 cauchy 

Після центрування два вимірювання x і −x можна вважати незалежними спостереженнями з розподілу Коші з функцією щільності ймовірності: 1f( x : θ ) =f(x:θ)=f(x :\theta) = ,-∞&lt;x&lt;∞1π( 1 + ( х - θ )2)1π(1+(x−θ)2)1\over\pi (1+(x-\theta)^2) , - ∞ &lt; x &lt; ∞,−∞&lt;x&lt;∞, -∞ < x < ∞ Покажіть, що якщо …

13 self-study  distributions  maximum-likelihood  cauchy 

У мене дуже великий набір даних, і близько 5% випадкових значень відсутні. Ці змінні співвідносяться між собою. Наступний приклад набору даних R - це лише іграшковий приклад з манекено-корельованими даними. set.seed(123) # matrix of X variable xmat &lt;- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) &lt;- paste ("M", …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Якщо слідує за розподілом Коші, то також слідує абсолютно таким же розподілом, що і ; дивись цю нитку .XXXY=X¯=1n∑ni=1XiY=X¯=1n∑i=1nXiY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX Чи має ця властивість ім'я? Чи існують інші дистрибутиви, для яких це правда? EDIT Ще один спосіб задати це питання: нехай - випадкова величина з …

11 distributions  expected-value  central-limit-theorem  cauchy 

За теоремою центрального ліміту функція густини ймовірності суми великих незалежних випадкових величин має тенденцію до нормальної. Тому чи можна сказати, що сума великої кількості незалежних випадкових змінних Коші також є нормальною?

9 random-variable  central-limit-theorem  cauchy