Запитання з тегом «random-variable»

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 

Нехай - дискретна випадкова величина, що приймає її значення в . Я хотів би вдвічі зменшити цю змінну, тобто знайти випадкову змінну таку як:XXXNN\mathbb{N}YYY X=Y+Y∗X=Y+Y∗X = Y + Y^* де є незалежною копією .Y∗Y∗Y^*YYY Я ставлюсь до цього процесу як удвічі ; це складена термінологія. Чи є в літературі відповідний …

9 random-variable 

Ось проблема, яка з’явилася на семестровому іспиті в нашому університеті кілька років тому, яку я намагаюся вирішити. Якщо є незалежними випадковими змінними з щільністю та відповідно, то показують, що слідує .X1,X2X1,X2X_1,X_2ββ\betaβ(n1,n2)β(n1,n2)\beta(n_1,n_2)β(n1+12,n2)β(n1+12,n2)\beta(n_1+\dfrac{1}{2},n_2)X1X2−−−−−√X1X2\sqrt{X_1X_2}β(2n1,2n2)β(2n1,2n2)\beta(2n_1,2n_2) Я використав метод щоб отримати щільність така: Y=X1X2−−−−−√Y=X1X2Y=\sqrt{X_1X_2}fY(y)=4y2n1B(n1,n2)B(n1+12,n2)∫1y1x2(1−x2)n2−1(1−y2x2)n2−1dxfY(y)=4y2n1B(n1,n2)B(n1+12,n2)∫y11x2(1−x2)n2−1(1−y2x2)n2−1dxf_Y(y)=\dfrac{4y^{2n_1}}{B(n_1,n_2)B(n_1+\dfrac{1}{2},n_2)}\int_y^1\dfrac{1}{x^2}(1-x^2)^{n_2-1}(1-\dfrac{y^2}{x^2})^{n_2-1}dx Насправді я загублений. Тепер у головному документі я знайшов підказку. Я …

9 self-study  random-variable  beta-distribution  distributions  jacobian 

Я готуюсь до інтерв'ю, яке вимагає гідного знання базової ймовірності (принаймні, щоб пройти саме інтерв'ю). Я працюю в нижченаведеному аркуші зі своїх студентських днів як перегляд. Здебільшого це було досить просто, але я повністю заплутався у питанні 12. http://www.trin.cam.ac.uk/dpk10/IA/exsheet2.pdf Будь-яка допомога буде вдячна. Редагувати: питання: Припустимо, що є незалежними однаково …

9 probability  self-study  random-variable 

Нехай - незалежні випадкові величини, що приймають значення або з вірогідністю 0,5 кожна. Розглянемо суму . Я бажаю на верхній межі ймовірності . Найкраща межа, яку я маю зараз, - це де c - універсальна константа. Це досягається нижчим обмеженням ймовірності Pr (| x_1 + \ крапки + x_n | …

9 probability  random-variable  bernoulli-distribution 

Наступні трансплантати взяті з цієї статті . Я новачок у завантажувальній програмі та намагаюся реалізувати параметричне, напівпараметричне та непараметричне завантажувальне завантаження для лінійної змішаної моделі з R bootпакетом. R код Ось мій Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

У мене є майже такі самі питання, як це: Як я можу ефективно моделювати суму випадкових змінних Бернуллі? Але налаштування зовсім інші: S=∑i=1,NXiS=∑i=1,NXiS=\sum_{i=1,N}{X_i} , , ~ 20, ~ 0,1P(Xi=1)=piP(Xi=1)=piP(X_{i}=1)=p_iNNNpipip_i У нас є дані для результатів випадкових змінних Бернуллі: ,Xi,jXi,jX_{i,j}Sj=∑i=1,NXi,jSj=∑i=1,NXi,jS_j=\sum_{i=1,N}{X_{i,j}} Якщо ми оцінимо з максимальною оцінкою ймовірності (і отримаємо ), вийде, …

9 distributions  modeling  binomial  random-variable  non-independent 

Отже, у мене є 16 випробувань, в яких я намагаюся ідентифікувати людину з біометричної ознаки за допомогою дистанції Hamming. Мій поріг встановлено на 3,5. Мої дані нижче, і лише пробна версія 1 - справжнє Позитивне: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Є проблема зі статистикою, я, на жаль, не маю уявлення з чого почати (я навчаюсь самостійно, тому нікого не можу запитати, якщо я чогось не розумію. Питання в тому Х, YX,YX,Y iid N( a ,б2) ; a = 0 ;б2= 6 ; v a r (Х2+Y2) = ?N(a,b2);a=0;b2=6;var(X2+Y2)=?N(a,b^2); a=0; b^2=6; …

8 self-study  normal-distribution  random-variable