Natknąłem się na ten wyprowadzeniu których nie rozumiem: jeśli X1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_n są losowych próbek o wymiarach N zaczerpniętych z populacji średniej μμ\mu i wariancji σ2σ2\sigma^2 , a następnie X¯=(X1+X2+...+Xn)/nX¯=(X1+X2+...+Xn)/n\bar{X} = (X_1 + X_2 + ... + X_n)/n E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(\bar{X}) = E(X_1 + X_2 + ... + X_n)/n = (1/n)(E(X_1) …
Jeden z problemów w moim podręczniku jest następujący. Dwuwymiarowy stochastyczny wektor ciągły ma następującą funkcję gęstości: fX,Y(x,y)={15xy20if 0 < x < 1 and 0 < y < xotherwisefX,Y(x,y)={15xy2if 0 < x < 1 and 0 < y < x0otherwise f_{X,Y}(x,y)= \begin{cases} 15xy^2 & \text{if 0 < x < 1 and …
Często w artykułach badawczych, które czytasz, badacze kontrolowali pewne zmienne. Można to zrobić metodami takimi jak dopasowywanie, blokowanie itp. Ale zawsze uważałem, że kontrolowanie zmiennych było czymś statystycznym, mierząc kilka zmiennych, które mogą mieć wpływ, i przeprowadzając analizę statystyczną tych zmiennych, co można przeprowadzić zarówno w prawdziwych, jak i quasi-eksperymentach. …
Niech i Y będą dwiema niezależnymi zmiennymi losowymi o tym samym rozkładzie jednolitym U ( 0 , 1 ) o gęstościXXXYYYU( 0 , 1 )U(0,1)U(0,1) jeśli 0 ≤ x ≤ 1 (i 0 gdzie indziej).fa( x ) = 1f(x)=1f(x)=10 ≤ x ≤ 10≤x≤10≤x≤1000 Niech będzie rzeczywistą zmienną losową zdefiniowaną przez:ZZZ …
Mam wątpliwości: rozważ zmienne losowe o wartościach rzeczywistych XXX i ZZZ oba zdefiniowane w przestrzeni prawdopodobieństwa ( Ω , F, P )(Ω,F,P)(\Omega, \mathcal{F},\mathbb{P}). Pozwolić Y:=g(X,Z)Y:=g(X,Z)Y:= g(X,Z), gdzie g(⋅)g(⋅)g(\cdot)jest funkcją o wartościach rzeczywistych. OdYYY jest funkcją zmiennych losowych jest to zmienna losowa. Pozwolić x:=X(ω)x:=X(ω)x:=X(\omega) tj. realizacja XXX. Jest P(Y|X=x)=P(g(X,Z)|X=x)P(Y|X=x)=P(g(X,Z)|X=x)\mathbb{P}(Y|X=x)=\mathbb{P}(g(X,Z)|X=x) równy P(g(x,Z))P(g(x,Z))\mathbb{P}(g(x,Z))?
Załóżmy, że i są niezależnymi losowymi zmiennymi geometrycznymi o parametrze . Jakie jest prawdopodobieństwo, że ?X1X1X_1X2X2X_2pppX1≥X2X1≥X2X_1 \geq X_2 Jestem zdezorientowany tym pytaniem, ponieważ nie powiedziano nam nic o i poza tym, że są geometryczne. Czy nie byłoby to ponieważ i mogą być czymkolwiek w tym zakresie?X1X1X_1X2X2X_250%50%50\%X1X1X_1X2X2X_2 EDYCJA: Nowa próba P(X1≥X2)=P(X1>X2)+P(X1=X2)P(X1≥X2)=P(X1>X2)+P(X1=X2)P(X1 …
Czy możliwe jest, aby PDF różnicy dwóch iid rv wyglądał jak prostokąt (zamiast, powiedzmy, trójkąta, który otrzymujemy, jeśli rv zostaną pobrane z rozkładu jednolitego). tzn. czy jest możliwe, aby PDF f jk (dla dwóch iid rv pobranych z jakiejś dystrybucji) miał f (x) = 0,5 dla wszystkich -1 <x <1? …
Plik pdf jest zwykle zapisywany jako f(x|θ)f(x|θ)f(x|\theta), gdzie małe litery xxx jest traktowany jako realizacja lub wynik zmiennej losowej XXXktóry ma ten pdf. Podobnie plik cdf jest zapisywany jakoFX(x)FX(x)F_X(x), co ma znaczenie P(X<x)P(X<x)P(X<x). Jednak w niektórych okolicznościach, takich jak definicja funkcji score i to wyprowadzenie, że cdf jest równomiernie rozłożony …
Czy implikuje niezależność i ?Cov(f(X),Y)=0∀f(.)Cov(f(X),Y)=0∀f(.)\mathbb{Cov} \left(f(X),Y\right) = 0 \; \forall \; f(.)XXXYYY Znam tylko z następującą definicję niezależności pomiędzy i .XXXYYY fx,y(x,y)=fx(x)fy(y)fx,y(x,y)=fx(x)fy(y) f_{x,y}(x,y) = f_x(x)f_y(y)
Niech będzie IID i \ bar {X} = \ sum_ {i = 1} ^ {n} X_i . E \ left [\ frac {X_i} {\ bar {X}} \ right] = \? Wydaje się to oczywiste, ale mam problemy z formalnym wyprowadzeniem go.XiXiX_iX¯=∑ni=1XiX¯=∑i=1nXi\bar{X} = \sum_{i=1}^{n} X_iE[XiX¯]= ?E[XiX¯]= ? E\left[\frac{X_i}{\bar{X}}\right] = \ ?
Cóż, nie możemy zobaczyć, na przykład https://en.wikipedia.org/wiki/Subindependence dla interesującego kontrprzykładu. Ale prawdziwe pytanie brzmi: czy jest jakiś sposób na wzmocnienie tej kondycji, aby nastąpiła niezależność? Na przykład, czy istnieje jakiś zestaw funkcji więc jeśli dla wszystkich to nastąpi niezależność? A jak duży musi być taki zestaw funkcji, nieskończony?sol1, ... ,solng1,…,gng_1, …
Próbuję znaleźć rozkład prawdopodobieństwa sumy losowej liczby zmiennych, które nie są identycznie rozmieszczone. Oto przykład: John pracuje w centrum obsługi klienta. Otrzymuje połączenia z problemami i próbuje je rozwiązać. Tych, których nie potrafi rozwiązać, przekazuje je swojemu przełożonemu. Załóżmy, że liczba połączeń, które otrzymuje w ciągu dnia, jest równa średniej …
Interesuje mnie konstruowanie zmiennych losowych, dla których nierówności Markowa lub Czebyszewa są ścisłe. Trywialnym przykładem jest następująca zmienna losowa. P.( X= 1 ) = P.( X= - 1 ) = 0,5P(X=1)=P(X=−1)=0.5P(X=1)=P(X=-1) = 0.5 . Jego średnia wynosi zero, wariancja wynosi 1, a . W tym przypadku zmienna losowa Czebyszewa jest …
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.