Запитання з тегом «moments»

Моменти - це зведення характеристик випадкових змінних (наприклад, розташування, масштаб). Використовуйте також для дробових моментів.

1
Назви кумулянтів і назв вищого порядку виходять за межі дисперсії, косості та куртозу
У фізиці або математичній механіці, починаючи з часової позиції , можна отримати швидкість зміни через похідні по часу: швидкість, прискорення, ривок (3-й порядок), джунс (4-й порядок).x(t)x(t)x(t) Деякі з них вже пропонували хапати, тріскати, поп для похідних до сьомого порядку. Моменти, натхненні механічною фізикою та теорією еластичності, важливі і в статистиці, …


1
Момент, що генерує функції та перетворення Фур'є?
Чи є функція, що генерує момент, перетворення Фур'є функцією густини ймовірностей? Іншими словами, чи функція, що генерує момент, просто спектральна роздільна здатність розподілу щільності ймовірності випадкової величини, тобто еквівалентний спосіб характеризувати функцію з точки зору її амплітуди, фази та частоти замість параметра? Якщо так, то чи можемо ми дати фізичну …
10 moments  mgf  cumulants 

1
R лінійна регресія, категоріальна змінна значення «приховане»
Це лише приклад, на який я зустрічався кілька разів, тому у мене немає даних про вибірку. Запуск лінійної регресійної моделі в R: a.lm = lm(Y ~ x1 + x2) x1є суцільною змінною. x2категоричний і має три значення, наприклад "Низький", "Середній" та "Високий". Однак вихід, отриманий R, був би на кшталт: …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

1
Генеруйте випадкову змінну із заданими моментами
Я знаю перші моментів деякого розподілу. Я також знаю, що мій розподіл є безперервним, одномодальним і добре сформованим (це схоже на гамма-розподіл). Чи можливо:NNN Використовуючи якийсь алгоритм, генеруйте з цього розподілу зразки, які в граничних умовах матимуть абсолютно однакові моменти? Вирішити цю проблему аналітично? Я розумію, що поки у мене …

1
Які середня величина та дисперсія 0-цензурованої багатоваріантної норми?
Дозволяє Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma) бути в RdRd\mathbb R^d. Назвіть середню та коваріаційну матрицюZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) (з максимально обчисленими елементами)? Це виникає, наприклад, тому, що якщо ми використовуємо функцію активації ReLU всередині глибокої мережі, і припустимо через CLT, що входи до даного шару приблизно нормальні, то це розподіл …

1
Приклад CLT, коли моменти не існують
РозглянемоXn=⎧⎩⎨1−12kw.p. (1−2−n)/2w.p. (1−2−n)/2w.p. 2−k for k>nXn={1w.p. (1−2−n)/2−1w.p. (1−2−n)/22kw.p. 2−k for k>nX_n = \begin{cases} 1 & \text{w.p. } (1 - 2^{-n})/2\\ -1 & \text{w.p. } (1 - 2^{-n})/2\\ 2^k & \text{w.p. } 2^{-k} \text{ for } k > n\\ \end{cases} Мені потрібно показати, що, хоча це нескінченна кількість моментів,n−−√(X¯n)→dN(0,1)n(X¯n)→dN(0,1)\sqrt{n}(\bar{X}_n) \overset{d}{\to} N(0,1) …

1
Момент, що генерує функцію внутрішнього добутку двох гауссових випадкових векторів
Чи може хто-небудь підказати, як я можу обчислити функцію, що генерує момент, внутрішнього добутку двох гауссових випадкових векторів, кожен розподілений як , незалежних один від одного? Чи є для цього якийсь стандартний результат? Будь-який вказівник високо оцінений.N( 0 ,σ2)N(0,σ2)\mathcal N(0,\sigma^2)

1
Центральні моменти симетричних розподілів
Я намагаюся показати, що центральний момент симетричного розподілу: дорівнює нулю для непарних чисел. Так, наприклад, третій центральний моментЯ почав із спроби показати, щоЯ не впевнений, куди звідси піти, якісь пропозиції? Чи є кращий спосіб довести це?fx(a+x)=fx(a−x)fx(a+x)=fx(a−x){\bf f}_x{\bf (a+x)} = {\bf f}_x{\bf(a-x)}E[(X−u)3]=0.E[(X−u)3]=0.{\bf E[(X-u)^3] = 0}.E[(X−u)3]=E[X3]−3uE[X2]+3u2E[X]−u3.E[(X−u)3]=E[X3]−3uE[X2]+3u2E[X]−u3.{\bf E[(X-u)^3] = E[X^3] -3uE[X^2] + 3u^2E[X] …
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.