Запитання з тегом «expected-value»

Я натрапив на питання інтерв'ю: Є червоний поїзд, який їде кожні 10 хвилин. Синій потяг їде кожні 15 хвилин. Обидва вони починаються з випадкового часу, тому у вас немає розкладу. Якщо ви прибуваєте на станцію у випадковий час і їдете будь-яким поїздом, який приходить першим, який очікуваний час очікування?

19 probability  random-variable  expected-value 

Нехай і , . Яке очікування як ?X1∼U[0,1]X1∼U[0,1]X_1 \sim U[0,1]Xi∼U[Xi−1,1]Xi∼U[Xi−1,1]X_i \sim U[X_{i - 1}, 1]i=2,3,...i=2,3,...i = 2, 3,...X1X2⋯XnX1X2⋯XnX_1 X_2 \cdots X_nn→∞n→∞n \rightarrow \infty

18 mathematical-statistics  random-variable  expected-value 

Я не знаю, чи це лише я, але я взагалі дуже скептично ставлюсь до статистики. Я можу це зрозуміти в іграх на кубики, в покер і т. Д. Дуже маленькі, прості, в основному автономні повторювані ігри - це добре. Наприклад, посадка монети на її край достатньо мала, щоб прийняти ймовірність …

18 probability  expected-value  philosophical 

Припустимо, що справедлива монета кидається неодноразово, поки вперше не вийде голова. Яка очікувана кількість кидок, які знадобляться? Яка очікувана кількість хвостів, які будуть отримані до отримання першої голови?

18 probability  self-study  expected-value  bernoulli-distribution  geometric-distribution 

Розглянемо просту лінійну модель: уy = X ′ ββ + ϵyy=X′ββ+ϵ\pmb{y}=X'\pmb{\beta}+\epsilon де і , і містить стовпець констант.ϵ i ∼ i . i . д .N ( 0 , σ 2 ) ϵi∼i.i.d.N(0,σ2)\epsilon_i\sim\mathrm{i.i.d.}\;\mathcal{N}(0,\sigma^2)X ∈ R n × pX∈Rn×pX\in\mathbb{R}^{n\times p} p ≥ 2 p≥2p\geq2XXX Моє запитання, з огляду на , \ …

18 linear-model  expected-value 

Нехай YYY позначає медіану, а ˉ XX¯\bar{X} позначає середнє значення випадкової вибірки розміром n = 2 k + 1n=2k+1n=2k+1 з розподілу, який дорівнює N ( μ , σ 2 )N(μ,σ2)N(\mu,\sigma^2) . Як я можу обчислити ? E ( Y | ˉ X = ˉ x )E(Y|X¯=x¯)E(Y|\bar{X}=\bar{x}) Інтуїтивно, через припущення про …

16 self-study  normal-distribution  mathematical-statistics  expected-value  conditional-expectation 

Я намагаюся довести, що спостережувана інформаційна матриця, оцінена за слабко послідовним оцінкою максимальної ймовірності (MLE), є слабко послідовним оцінником очікуваної інформаційної матриці. Це широко цитований результат, але ніхто не дає посилань чи доказів (я вичерпав, я думаю, перші 20 сторінок результатів Google і мої підручники з статистикою)! Використовуючи слабко послідовну …

16 maximum-likelihood  expected-value  asymptotics  information  fisher-information 

Розглянемо урну, що містить NNN кульок PPP різних кольорів, при цьому pipip_i - частка кульок кольору iii серед NNN кульок ( ∑ipi=1∑ipi=1\sum_i p_i = 1 ). Я малюю кульок з урни без заміни і дивлюся на кількість різних кольорів серед кульок, які були намальовані. Яке очікування як функції залежно від …

15 probability  expected-value  coupon-collector-problem 

Я розгублений у застосуванні очікування в знаменнику. E(1/X)=?E(1/X)=?E(1/X)=\,? чи може це бути 1/E(X)1/E(X)1/E(X)\,?

15 expected-value 

Перестановочні тести (також називаються тестом рандомизації, тестом на повторну рандомізацію або точним тестом) дуже корисні і корисні, коли припущення про нормальний розподіл, необхідне, наприклад, t-testне виконується, і при перетворенні значень за ранжуванням непараметричний тест, як-от Mann-Whitney-U-test, призведе до втрати більше інформації. Однак одне і єдине припущення не слід оминути увагою …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Очікуване значення розподілу - середнє, тобто середньозважене значення E [ x ] = ∫ + ∞ - ∞ xf(x)f(x)f(x)E[x]=∫+∞−∞xf(x)dxE[x]=∫−∞+∞xf(x)dxE[x]=\int_{-\infty}^{+\infty} x \, \, f(x) dx Найбільш ймовірне значення - режим, тобто найбільш вірогідне значення. Однак чи очікуємо ми якось багато разів бачити ? Цитуючи звідси :E[x]E[x]E[x] Якщо результати не є однаково …

15 probability  distributions  chi-squared  expected-value  mode 

У Libre Office Calc rand()доступна функція, яка вибирає випадкове значення між 0 і 1 з рівномірного розподілу. Я трохи іржавий на свою ймовірність, тому, побачивши таку поведінку, я був спантеличений: A = 200х1 стовпець rand()^2 B = 200х1 стовпець rand()*rand() mean(A) = 1/3 mean(B) = 1/4 Чому так mean(A)! = …

15 expected-value  random-generation  uniform 

Підведемо підсумок потоку випадкових величин, X i i i d ∼ U ( 0 , 1 )Xi∼iidU(0,1)X_i \overset{iid}\sim \mathcal{U}(0,1) ; нехай YYY - кількість доданків, яких нам потрібно, щоб загальна сума перевищила один, тобто YYY - найменше число, таке, що X 1 + X 2 + ⋯ + X Y …

14 probability  self-study  expected-value  uniform 

Зробити випадкову змінну з розподілом Діріхле легко, використовуючи гамма-змінні з тим же параметром масштабу. Якщо: Xi∼Gamma(αi,β)Xi∼Gamma(αi,β) X_i \sim \text{Gamma}(\alpha_i, \beta) Потім: (X1∑jXj,…,Xn∑jXj)∼Dirichlet(α1,…,αn)(X1∑jXj,…,Xn∑jXj)∼Dirichlet(α1,…,αn) \left(\frac{X_1}{\sum_j X_j},\; \ldots\; , \frac{X_n}{\sum_j X_j}\right) \sim \text{Dirichlet}(\alpha_1,\;\ldots\;,\alpha_n) Проблема Що станеться, якщо параметри шкали не рівні? Xi∼Gamma(αi,βi)Xi∼Gamma(αi,βi) X_i \sim \text{Gamma}(\alpha_i, \beta_i) Тоді в якому розподілі ця змінна? (X1∑jXj,…,Xn∑jXj)∼?(X1∑jXj,…,Xn∑jXj)∼? …

14 expected-value  dirichlet-distribution  gamma-distribution  integral 

Здається, існує велика плутанина в порівнянні використання glmnetв рамках caretпошуку оптимальної лямбда та використання cv.glmnetтого ж завдання. Поставлено багато питань, наприклад: Класифікаційна модель train.glmnet vs. cv.glmnet? Який правильний спосіб використання glmnet з каретою? Перехресне підтвердження `glmnet` за допомогою` caret` але відповіді не надано, що може бути пов'язано з відтворюваністю питання. …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality