Pytania otagowane jako distributions

Rozkład to matematyczny opis prawdopodobieństw lub częstotliwości.

2
Oszacowanie gęstości jądra w rozkładach asymetrycznych
Niech będą obserwacjami zaczerpniętymi z nieznanego (ale z pewnością asymetrycznego) rozkładu prawdopodobieństwa.{ x1, … , XN.}{x1,…,xN.}\{x_1,\ldots,x_N\} Ja jak znaleźć rozkład prawdopodobieństwa stosując podejście Próbowałem jednak użyć jądra Gaussa, ale działało to źle, ponieważ jest symetryczne. Widziałem więc, że niektóre prace dotyczące jąder Gamma i Beta zostały wydane, chociaż nie rozumiałem, …
3
Ważona suma dwóch niezależnych zmiennych losowych Poissona
Korzystając z wikipedii znalazłem sposób na obliczenie funkcji masy prawdopodobieństwa wynikającej z sumy dwóch zmiennych losowych Poissona. Myślę jednak, że moje podejście jest błędne. Niech będą dwiema niezależnymi losowymi zmiennymi Poissona ze średnimi i , gdzie i są stałymi, to funkcję generującą prawdopodobieństwo podaje Teraz, korzystając z faktu, że funkcją …
2
Oczekiwana wartość losowej zmiennej Gaussa przekształconej funkcją logistyczną
Zarówno funkcja logistyczna, jak i odchylenie standardowe są zwykle oznaczane . Będziemy używać i y dla standardowego odchylenia.σ ( x ) = 1 / ( 1 + exp ( - x ) ) sσσ\sigmaσ(x)=1/(1+exp(−x))σ(x)=1/(1+exp⁡(−x))\sigma(x) = 1/(1+\exp(-x))sss Mam logistycznego neuron z wejściem losowej którego średnia μμ\mu i odchylenie standardowe sss wiem. …
1
Long-tailed rozkład zdarzeń czasowych
Załóżmy, że masz dzienniki serwera WWW. W tych logach masz krotki tego rodzaju: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Te znaczniki czasu reprezentują np. Kliknięcia użytkowników. Teraz user1będzie odwiedzał witrynę wiele razy (sesji) w ciągu miesiąca, a będziesz mieć serię kliknięć każdego użytkownika podczas każdej …
2
Dlaczego dystrybucje są ważne?
To może równie dobrze spaść, jak najgłupsze pytania, jakie kiedykolwiek zadano na tym forum, ale po otrzymaniu rozsądnych i znaczących odpowiedzi na poprzednie pytanie, pomyślałem, że ponownie rozciągnę moje szczęście. Przez pewien czas byłem bardzo zdezorientowany co do znaczenia rozkładów statystycznych, zwłaszcza gdy odnoszą się one do zwrotów aktywów, a …
1
Dlaczego Anova () i drop1 () podają różne odpowiedzi dla GLMM?
Mam GLMM w postaci: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kiedy używam drop1(model, test="Chi"), otrzymuję inne wyniki niż w przypadku korzystania Anova(model, type="III")z pakietu samochodowego lub summary(model). Te dwa ostatnie dają te same odpowiedzi. Korzystając z wielu sfabrykowanych danych, odkryłem, że te …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
2
Jak generować liczby zgodnie z rozkładem Soliton?
Rozkład Solitona jest dyskretnym rozkładem prawdopodobieństwa w zbiorze z funkcją masy prawdopodobieństwa{ 1 , … , N}{1,…,N.}\{1,\dots, N\} p ( 1 ) = 1N.,p ( k ) = 1k ( k - 1 )dla k ∈ { 2 , … , N}p(1)=1N.,p(k)=1k(k-1)dla k∈{2),…,N.} p(1)=\frac{1}{N},\qquad p(k)=\frac{1}{k(k-1)}\quad\text{for }k\in\{2,\dots, N\} Chciałbym go użyć …
2
Gigantyczna kurtoza?
Robię opisowe statystyki dziennych zwrotów z indeksów giełdowych. To jeśli i są poziomami indeksu odpowiednio w dniu 1 i dniu 2, to jest zwrotem, którego używam (całkowicie standardowe w literaturze).P 2 l o g e ( P 2P.1P1P_1P.2)P2P_2l o gmi( P2)P.1)loge(P2P1)log_e (\frac{P_2}{P_1}) Więc kurtoza jest ogromna w niektórych z nich. …
1
Jak zamienić funkcję w gęstość prawdopodobieństwa przy jednoczesnym zachowaniu kształtu funkcji?
Mam szereg funkcji, z których każda rzekomo reprezentuje gęstość zmiennej losowej między agentami. Każda funkcja ma również domenę, która opisuje, jakie wartości zmiennej losowej są prawidłowe. Teraz, jeśli dobrze pamiętam klasy statystyk, jeśli wezmę całkę jednej z funkcji w wartościach opisanych przez dziedzinę funkcji, powinienem otrzymać wartość 1,0. Tak się …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.