Pytania otagowane jako intuition

Pytania, które dotyczą pojęciowego lub niematematycznego zrozumienia statystyki.

2
Dlaczego rozkład Poissona jest wybrany do modelowania procesów przybycia w problemach teorii kolejkowania?
Gdy weźmiemy pod uwagę scenariusze teorii kolejkowania, w których poszczególne osoby przybywają do obsługującego węzła i ustawiają się w kolejce, zwykle do modelowania czasów przybycia stosuje się proces Poissona. Te scenariusze pojawiają się w przypadku problemów z routingiem sieciowym. Doceniłbym intuicyjne wyjaśnienie, dlaczego proces Poissona najlepiej nadaje się do modelowania …
2
Czy rozkład Cauchy'ego jest w jakiś sposób rozkładem „nieprzewidywalnym”?
Czy rozkład Cauchy'ego jest w jakiś sposób „rozkładem nieprzewidywalnym”? Próbowałem zrobić cs <- function(n) { return(rcauchy(n,0,1)) } w R dla wielu n wartości i zauważyli, że czasami generują dość nieprzewidywalne wartości. Porównaj to np as <- function(n) { return(rnorm(n,0,1)) } co zawsze wydaje się dawać „zwartą” chmurę punktów. Na tym …
7
Intuicyjnie rozumiem, dlaczego rozkład Poissona jest ograniczającym przypadkiem rozkładu dwumianowego
W „Analizie danych” DS Sivii istnieje pochodna rozkładu Poissona z rozkładu dwumianowego. Twierdzą, że rozkład Poissona jest ograniczającym przypadkiem rozkładu dwumianowego, gdy M→∞M→∞M\rightarrow\infty , gdzie MMM jest liczbą prób. Pytanie 1: Jak intuicyjnie zrozumieć ten argument? Pytanie 2: Dlaczego dużymi MMM limit M!N!(M−N)!M!N!(M−N)!\frac{M!}{N!(M-N)!}równaMNN!MNN!\frac{M^{N}}{N!}, gdzieNNNjest liczbą sukcesów wpróbachMMM? (Ten krok jest …
3
Dla intuicji, jakie są przykłady rzeczywistych nieskorelowanych, ale zależnych zmiennych losowych?
Wyjaśniając, dlaczego nieskorelowane nie oznacza niezależności, istnieje kilka przykładów, które dotyczą szeregu zmiennych losowych, ale wszystkie wydają się tak abstrakcyjne: 1 2 3 4 . Ta odpowiedź wydaje się mieć sens. Moja interpretacja: Zmienna losowa i jej kwadrat mogą być nieskorelowane (ponieważ pozornie brak korelacji jest czymś w rodzaju niezależności …
2
Intuicyjne wyjaśnienie stacjonarności
Przez jakiś czas walczyłem ze stacjonarnością w głowie ... Czy tak o tym sądzisz? Wszelkie uwagi i dalsze przemyślenia będą mile widziane. Proces stacjonarny to taki, który generuje wartości szeregów czasowych takie, że średnia rozkład i wariancja są utrzymywane na stałym poziomie. Ściśle mówiąc, jest to znane jako słaba forma …
1
Czy istnieje intuicyjna charakterystyka korelacji odległości?
Patrzyłem na stronę wikipedii, aby znaleźć korelację odległości, na której wydaje się, że cechuje ją sposób jej obliczenia. O ile mogłem zrobić obliczenia walczę aby uzyskać środki korelacji jakiej odległości i dlatego obliczenia wyglądają tak robią. Czy istnieje (lub wiele) bardziej intuicyjna charakterystyka korelacji odległości, która mogłaby pomóc mi zrozumieć, …
2
Intuicja na chwilę o środku dystrybucji?
Czy ktoś może podać intuicję, dlaczego wyższe momenty rozkładu prawdopodobieństwa , podobnie jak moment trzeci i czwarty, odpowiadają odpowiednio skośności i kurtozie? W szczególności dlaczego odchylenie dotyczące średniej podniesionej do trzeciej lub czwartej potęgi ostatecznie przekłada się na miarę skośności i kurtozy? Czy istnieje sposób na odniesienie tego do trzeciej …
4
Intuicyjne zrozumienie różnicy między konsekwentnym a asymptotycznie bezstronnym
Staram się uzyskać intuicyjne zrozumienie i wyczuć różnicę i praktyczną różnicę między terminem spójnym a asymptotycznie bezstronnym. Znam ich matematyczne / statystyczne definicje, ale szukam czegoś intuicyjnego. Dla mnie, patrząc na ich indywidualne definicje, prawie wydają się być tym samym. Zdaję sobie sprawę, że różnica musi być subtelna, ale po …
1
Kursy są proste
Mam problem ze zrozumieniem szans i chciałbym tylko podstawowe wyjaśnienie, jak je interpretować. Znalazłem różne posty związane z kursami, ale większość z nich jest bardziej złożona niż to, co próbuję zrozumieć. Oto przykład, w jaki sposób interpretuję szanse: jeśli szanse na wydarzenie wynoszą od 3 do 1, to wydarzenie nastąpi …
1
Intuicyjne zrozumienie twierdzenia Halmosa-Savage'a
Twierdzenie Halmosa-Savage'a mówi, że dla dominującego modelu statystycznego statystyka jest wystarczający, jeśli (i tylko jeśli) dla wszystkich istnieje wersja pochodnej Radon Nikodym, mierzalna wersja gdzie jest uprzywilejowany środek taki, że do i .(Ω,A,P)(Ω,A,P)(\Omega, \mathscr A, \mathscr P)T:(Ω,A,P)→(Ω′,A′)T:(Ω,A,P)→(Ω′,A′)T: (\Omega, \mathscr A, \mathscr P)\to(\Omega', \mathscr A'){P∈P}{P∈P}\{P \in \mathscr{P} \} TTTdPdP∗dPdP∗\frac{dP}{dP*}dP∗dP∗dP*P∗=∑∞i=1PiciP∗=∑i=1∞PiciP*=\sum_{i=1}^\infty P_i c_i …
2
Jakie są kompletne wystarczające statystyki?
Mam problem ze zrozumieniem pełnej wystarczającej statystyki? Niech będzie wystarczającą statystyką.T=ΣxiT=ΣxiT=\Sigma x_i Jeśli z prawdopodobieństwem 1, dla niektórych funkcji g , jest to kompletna wystarczająca statystyka.E[g(T)]=0E[g(T)]=0E[g(T)]=0ggg Ale co to znaczy? Widziałem przykłady uniformów i Bernoulli (strona 6 http://amath.colorado.edu/courses/4520/2011fall/HandOuts/umvue.pdf ), ale nie jest to intuicyjne, bardziej się zdezorientowałem widząc integrację. Czy …
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.