Funkcja gęstości prawdopodobieństwa (PDF) ciągłej zmiennej losowej daje względne prawdopodobieństwo dla każdej z jej możliwych wartości. Tego znacznika należy używać także w przypadku funkcji dyskretnej masy prawdopodobieństwa (PMF).
Próbuję znaleźć lokalne maksima dla funkcji gęstości prawdopodobieństwa (znalezionej metodą R density). Nie mogę wykonać prostej metody „rozglądania się po sąsiadach” (gdzie ktoś rozgląda się po punkcie, aby sprawdzić, czy jest to maksimum lokalne w stosunku do swoich sąsiadów), ponieważ istnieje duża ilość danych. Co więcej, wydaje się bardziej wydajne …
Zwykle rozkład prawdopodobieństwa między zmiennymi dyskretnymi opisuje się za pomocą funkcji masy prawdopodobieństwa (PMF): Pracując z ciągłymi zmiennymi losowymi, opisujemy rozkłady prawdopodobieństwa za pomocą funkcji gęstości prawdopodobieństwa (PDF) zamiast funkcji masy prawdopodobieństwa. - Dogłębne uczenie się przez Goodfellow, Bengio i Courville Jednak Wolfram Mathworld używa PDF do opisania rozkładu prawdopodobieństwa …
Szukam metody do obliczenia obszaru nakładania się dwóch oszacowań gęstości jądra w R, jako miary podobieństwa między dwiema próbkami. Aby to wyjaśnić, w poniższym przykładzie musiałbym określić ilościowo obszar pokrywającego się regionu fioletowo: library(ggplot2) set.seed(1234) d <- data.frame(variable=c(rep("a", 50), rep("b", 30)), value=c(rnorm(50), runif(30, 0, 3))) ggplot(d, aes(value, fill=variable)) + geom_density(alpha=.4, …
Muszę oszacować funkcję gęstości na podstawie zestawu obserwacji za pomocą estymatora gęstości jądra. Na podstawie tego samego zestawu obserwacji muszę również oszacować pierwszą i drugą pochodną gęstości za pomocą pochodnych estymatora gęstości jądra. Przepustowość z pewnością będzie miała wielki wpływ na końcowy wynik. Po pierwsze wiem, że istnieje kilka funkcji …
Załóżmy, że mam dwa rozkłady, które chcę szczegółowo porównać, tj. W taki sposób, aby kształt, skala i przesunięcie były łatwo widoczne. Jednym dobrym sposobem na to jest wykreślenie histogramu dla każdej dystrybucji, umieszczenie ich w tej samej skali X i ułożenie jednego pod drugim. W jaki sposób należy to zrobić? …
Zainspirowany moim drugim pytaniem , chciałbym zapytać, w jaki sposób można znaleźć tryb funkcji gęstości prawdopodobieństwa (PDF) funkcji ?fa( x )f(x)f(x) Czy istnieje jakaś procedura „książki kucharskiej”? Najwyraźniej to zadanie jest znacznie trudniejsze, niż się wydaje.
Po przejrzeniu nieco zwięzłej matematyki, myślę, że mam niewielką intuicję w szacowaniu gęstości jądra. Ale jestem również świadomy, że szacowanie gęstości wielu zmiennych dla więcej niż trzech zmiennych może nie być dobrym pomysłem, jeśli chodzi o właściwości statystyczne jego estymatorów. Więc w jakich sytuacjach powinienem oszacować, powiedzmy, gęstość dwuwymiarową przy …
To trochę dziwna myśl, którą miałem podczas przeglądania starych statystyk i z jakiegoś powodu nie wydaje mi się, żebym wymyślił odpowiedź. Ciągły plik PDF informuje nas o gęstości obserwacji wartości w danym zakresie. Mianowicie, jeśli X∼ N.( μ , σ2))X∼N(μ,σ2)X \sim N(\mu,\sigma^2) , na przykład, to prawdopodobieństwo, że realizacja przypada …
Jak jestem pewien, wszyscy już tu wiedzą, plik PDF dystrybucji Beta X∼B(a,b)X∼B(a,b)X \sim B(a,b) jest podany przez f(x)=1B(a,b)xa−1(1−x)b−1f(x)=1B(a,b)xa−1(1−x)b−1f(x) = \frac{1}{B(a,b)}x^{a-1}(1-x)^{b-1} Wszędzie szukałem wyjaśnień na temat pochodzenia tej formuły, ale nie mogę jej znaleźć. Każdy artykuł, który znalazłem w dystrybucji Beta, wydaje się podawać tę formułę, ilustrować kilka jej kształtów, a …
Zgodnie z artykułem Wikipedii na temat dystrybucji gamma : Jeśli i , gdzie i są niezależnymi zmiennymi losowymi, to .Y ∼ G a m m a ( b , θ ) X Y X + Y ∼ G a m m a ( a + b , θ )X∼Gamma(a,θ)X∼Gamma(a,θ)X\sim\mathrm{Gamma}(a,\theta)Y∼Gamma(b,θ)Y∼Gamma(b,θ)Y\sim\mathrm{Gamma}(b,\theta)XXXYYYX+Y∼Gamma(a+b,θ)X+Y∼Gamma(a+b,θ)X+Y\sim \mathrm{Gamma}(a+b, …
Pytanie to jest więc nieco związane, ale starałem się, aby było to jak najbardziej proste. Cel: Krótko mówiąc, istnieje pochodna negentropii, która nie obejmuje kumulantów wyższego rzędu, i próbuję zrozumieć, w jaki sposób została wyprowadzona. Tło: (Rozumiem to wszystko) Sam studiuję książkę „Independent Component Analysis” , którą znalazłem tutaj. (To …
Zamknięte. To pytanie jest nie na temat . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby było tematem dotyczącym weryfikacji krzyżowej. Zamknięte 4 lata temu . Mam ten problem, w którym muszę znaleźć pdf . Wiem tylko, że ma rozkład . Jakim rodzajem dystrybucji jest ? Taki …
Czy istnieje taka formuła? Biorąc pod uwagę zestaw danych, dla których znana jest lub można zmierzyć średnią, wariancję, skośność i kurtozę, czy istnieje jeden wzór, który można zastosować do obliczenia gęstości prawdopodobieństwa wartości, którą zakłada się na podstawie wyżej wymienionych danych?
Mam dane, które wyglądają następująco: Próbowałem zastosować rozkład normalny (szacowanie gęstości jądra działa lepiej, ale nie potrzebuję tak dużej precyzji) i działa całkiem dobrze. Wykres gęstości tworzy elipsę. Potrzebuję uzyskać tę funkcję elipsy, aby zdecydować, czy punkt leży w regionie elipsy, czy nie. Jak to zrobić? Kod R lub Mathematica …
Jak interpretować wysokość wykresów gęstości: Na przykład na powyższym wykresie pik wynosi około 0,07 przy x = 18. Czy mogę wywnioskować, że około 7% wartości to około 18? Czy mogę być bardziej szczegółowy? Istnieje również drugi pik przy x = 30 o wysokości 0,02. Czy to znaczy, że około 2% …
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.