Запитання з тегом «minimum»

Крайні значення - це найбільші або найменші спостереження у вибірці; наприклад, мінімум вибірки (статистика першого порядку) та максимум вибірки (статистика n-го порядку). З екстремальними значеннями пов'язані асимптотичні * розподіли екстремальних значень. *


5
Чому k-означає не дає глобального мінімуму?
Я читав, що алгоритм k-означає сходиться лише до локального мінімуму, а не до глобального мінімуму. Чому це? Я логічно можу подумати про те, як ініціалізація могла б вплинути на остаточну кластеризацію, і існує можливість субоптимальної кластеризації, але я не знайшов нічого, що це математично доведе. Крім того, чому k - …

4
Об'єктивний оцінювач для меншої з двох випадкових величин
Припустимо, і Y ∼ N ( μ y , σ 2 y )Х∼ N( мкх, σ2х)X∼N(μx,σx2)X \sim \mathcal{N}(\mu_x, \sigma^2_x)Y∼ N( мку, σ2у)Y∼N(μy,σy2)Y \sim \mathcal{N}(\mu_y, \sigma^2_y) Мене цікавить . Чи є неупереджений оцінювач для z ?z= хв ( μх, мку)z=min(μx,μy)z = \min(\mu_x, \mu_y)zzz Простий оцінювач де ˉ x і ˉ y …

2
Статистика замовлень (наприклад, мінімум) нескінченної колекції чи-квадратних змінних?
Тут у мене вперше, тому, будь ласка, повідомте мене, чи можу я прояснити своє питання будь-яким способом (у тому числі форматування, теги тощо). (І, сподіваюся, я можу відредагувати пізніше!) Я намагався знайти посилання та намагався вирішити себе за допомогою індукції, але не вдалося в обох. Я намагаюся спростити розподіл, який, …

1
Максимальний оцінювач вірогідності для мінімуму експоненціальних розподілів
Я застряг у тому, як вирішити цю проблему. Отже, у нас є дві послідовності випадкових змінних, та для . Тепер і це незалежні експоненціальні розподіли з параметрами і . Однак замість того, щоб спостерігати і , ми замість та спостерігаємо .XiXiX_i я = 1 , . . . , n …

3
Розрахунок розподілу від хв, середнього та макс
Припустимо, у мене є мінімальний, середній та максимум деякого набору даних, скажімо, 10, 20 та 25. Чи є спосіб: створити розподіл з цих даних та знати, який відсоток населення, ймовірно, лежить вище або нижче середнього Редагувати: Згідно з пропозицією Глена, припустимо, у нас розмір вибірки 200.

2
Підвищення мінімального оцінювача
Припустимо, у мене є позитивних параметрів для оцінки та їх відповідних об'єктивних оцінок, отриманих оцінювачами , тобто , тощо.nnnμ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_nnnnμ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}E[μ1^]=μ1E[μ1^]=μ1\mathrm E[\hat{\mu_1}]=\mu_1E[μ2^]=μ2E[μ2^]=μ2\mathrm E[\hat{\mu_2}]=\mu_2 Я хотів би оцінити за допомогою оцінок, що знаходяться під рукою. Очевидно, що наївний оцінювач зміщений нижче, ніж min(μ1,μ2,...,μn)min(μ1,μ2,...,μn)\mathrm{min}(\mu_1,\mu_2,...,\mu_n)min(μ1^,μ2^,...,μn^)min(μ1^,μ2^,...,μn^)\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)\mathrm E[\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})]\leq \mathrm{min}(\mu_1,\mu_2,...,\mu_n) Припустимо, у мене також є матриця коваріації відповідних …

3
Якщо
Припустимо наступне налаштування: Нехай Zi=min{ki,Xi},i=1,...,nZi=min{ki,Xi},i=1,...,nZ_i = \min\{k_i, X_i\}, i=1,...,n . Також Xi∼U[ai,bi],ai,bi>0Xi∼U[ai,bi],ai,bi>0X_i \sim U[a_i, b_i], \; a_i, b_i >0 . Більше того, ki=cai+(1−c)bi,0<c<1ki=cai+(1−c)bi,0<c<1k_i = ca_i + (1-c)b_i,\;\; 0 k_i) = 1- \Pr(X_i \le k_i) =1−ki−aibi−ai=1−(1−c)(bi−ai)bi−ai=c=1−ki−aibi−ai=1−(1−c)(bi−ai)bi−ai=c= 1- \frac {k_i - a_i}{b_i-a_i} = 1-\frac {(1-c)(b_i-a_i)}{b_i-a_i} =c Так у всіх FZi(zi)=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪0zi<aizi−aibi−aiai≤zi<ki1ki≤ziFZi(zi)={0zi<aizi−aibi−aiai≤zi<ki1ki≤ziF_{Z_i}(z_i) = \begin{cases} …

1
Очікуване значення статистики мінімального замовлення від звичайної вибірки
ОНОВЛЕННЯ 25 січня 2014 року: помилка тепер виправлена. Будь ласка, ігноруйте обчислені значення очікуваного значення у завантаженому зображенні - вони неправильні. Я не видаляю зображення, оскільки воно створило відповідь на це запитання. ОНОВЛЕННЯ 10 січня 2014 року: помилка виявлена ​​- математичний друк в одному з використаних джерел. Підготовка корекції ... …

1
Кодова змінна у функції nlm ()
У R є функція nlm (), яка здійснює мінімізацію функції f за допомогою алгоритму Ньютона-Рафсона. Зокрема, ця функція виводить значення змінного коду, визначеного таким чином: кодуйте ціле число, вказуючи, чому процес оптимізації припинився. 1: відносний градієнт близький до нуля, ітераційний струм, ймовірно, є рішенням. 2: послідовні ітерації в межах толерантності, …
9 r  minimum 
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.