Jestem studentem matematyki z niewielkim doświadczeniem w matematyce stosowanej. Od ostatniej jesieni chodzę na zajęcia z książki Caselli i Bergera i ukończyłem setki (230+) stron z problemami z ćwiczeniami w książce. W tej chwili jestem w rozdziale 10. Ponieważ jednak nie studiowałem statystyki ani nie planowałem być statystykiem, nie sądzę, …
Jak mogę sprawdzić, czy moje dane, np. Wynagrodzenie, pochodzą z ciągłego wykładniczego rozkładu w R? Oto histogram mojej próbki: . Każda pomoc będzie mile widziana!
Myślałem, że ciężki ogon = gruby ogon, ale niektóre artykuły, które czytałem, dały mi wrażenie, że tak nie jest. Jeden z nich mówi: ciężki ogon oznacza, że rozkład ma nieskończony j-ty moment dla jakiejś liczby całkowitej j. Dodatkowo wszystkie dfs w dziedzinie puli przyciągania Pareto df są gruboogoniaste. Jeśli gęstość …
Próbowałem procesu z rzeczywistego świata, czasy pingów w sieci. „Czas podróży w obie strony” jest mierzony w milisekundach. Wyniki wykreślono na histogramie: Czasy pingowania mają minimalną wartość, ale długi górny ogon. Chcę wiedzieć, co to jest rozkład statystyczny i jak oszacować jego parametry. Mimo że rozkład nie jest rozkładem normalnym, …
Wyrok Rozkład próbkowania wariancji próbki jest rozkładem kwadratowym chi ze stopniem swobody równym , gdzie jest rozmiarem próbki (biorąc pod uwagę, że losowa zmienna będąca przedmiotem zainteresowania jest zwykle rozkładana).n - 1n-1n-1nnn Źródło Moja intuicja Ma to dla mnie intuicyjny sens 1), ponieważ test chi-kwadrat wygląda jak suma kwadratu i …
Wiemy, że w przypadku właściwej wcześniejszej dystrybucji P(θ∣X)=P(X∣θ)P(θ)P(X)P.(θ∣X)=P.(X∣θ)P.(θ)P.(X)P(\theta \mid X) = \dfrac{P(X \mid \theta)P(\theta)}{P(X)} ∝P(X∣θ)P(θ)∝P.(X∣θ)P.(θ) \propto P(X \mid \theta)P(\theta) . Zwykle uzasadnieniem tego kroku jest to, że rozkład krańcowy , jest stały w odniesieniu do a zatem można go zignorować przy wyprowadzaniu rozkładu tylnego.P ( X ) θXXXP(X)P.(X)P(X)θθ\theta Jednak w …
Mam dwie grupy danych. Każda z innym rozkładem wielu zmiennych. Próbuję ustalić, czy rozkłady tych dwóch grup różnią się w sposób istotny statystycznie. Mam dane zarówno w postaci surowej, jak i podzielone na grupy, aby łatwiej było sobie radzić z dyskretnymi kategoriami z liczeniem częstotliwości w każdej. Jakich testów / …
Czy w statystyce niezależne i losowe opisują te same cechy? Jaka jest różnica między nimi? Często spotykamy się z opisem takim jak „dwie niezależne zmienne losowe” lub „losowe próbkowanie”. Zastanawiam się, jaka jest dokładnie różnica między nimi. Czy ktoś może to wyjaśnić i podać kilka przykładów? na przykład proces niezależny, …
Wiele plików PDF ma zakres od minus do dodatniej nieskończoności, ale niektóre środki są zdefiniowane, a niektóre nie. Jaka wspólna cecha sprawia, że niektóre są obliczalne?
Czy ta dyskretna dystrybucja ma nazwę? Dlai∈1...Ni∈1...Ni \in 1...N f(i)=1N∑Nj=i1jf(i)=1N∑j=iN1jf(i) = \frac{1}{N} \sum_{j = i}^N \frac{1}{j} Natrafiłem na tę dystrybucję z następujących: Mam listę pozycji uszeregowanych według funkcji użyteczności. Chcę losowo wybrać jeden z elementów, kierując się na początek listy. Więc najpierw wybieram indeks pomiędzy 1 a równomiernie. Następnie wybieram …
Niech patyk o długości 1 zostanie podzielony losowo na fragmenty równomiernie. Jaki jest rozkład długości najdłuższego fragmentu?k+1k+1k+1 Bardziej formalnie, niech będzie IID , i niech będą powiązanymi statystykami zamówień, tzn. Po prostu zamawiamy próbka w taki sposób, że . Niech .(U1,…Uk)(U1,…Uk)(U_1, \ldots U_k)U(0,1)U(0,1)U(0,1)(U(1),…,U(k))(U(1),…,U(k))(U_{(1)}, \ldots, U_{(k)})U(1)≤U(2)≤,…,≤U(k)U(1)≤U(2)≤,…,≤U(k)U_{(1)} \leq U_{(2)} \leq, \ldots , …
Wiem, że aurorzy nie muszą być poprawni, a funkcja prawdopodobieństwa również nie jest zintegrowana z 1. Ale czy tylny musi być odpowiednim rozkładem? Jakie są implikacje, jeśli tak jest / nie jest?
Muszę znaleźć rozkład zmiennej losowej Y=∑i=1n(Xi)2Y=∑i=1n(Xi)2Y=\sum_{i=1}^{n}(X_i)^2 gdzie Xi∼N(μi,σ2i)Xi∼N(μi,σi2)X_i\sim{\cal{N}}(\mu_i,\sigma^2_i) i wszystkie XiXiX_i są niezależne. Wiem, że można najpierw znaleźć iloczyn wszystkich funkcji generujących momenty dla XiXiX_i , a następnie przekształcić je z powrotem, aby uzyskać rozkład YYYZastanawiam się jednak, czy istnieje ogólna forma dla YYY podobnie jak przypadek Gaussa: wiemy, że …
Załóżmy, że . Interesuje mnie rozkład krańcowy elementów ukośnych . Istnieje kilka prostych wyników dotyczących dystrybucji submatrices of (przynajmniej niektóre wymienione na Wikipedii). Z tego mogę wywnioskować, że krańcowy rozkład dowolnego pojedynczego elementu na przekątnej jest odwrotną gamma. Ale nie byłem w stanie wydedukować wspólnej dystrybucji.diag ( X ) = …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.