La distribuzione di Cauchy è una densità simmetrica che è uguale alla distribuzione t con un grado di libertà. L'aspettativa e la varianza della distribuzione cauchy non esistono. Vedi https://en.wikipedia.org/wiki/Cauchy_distribution
Dalla funzione di densità di distribuzione potremmo identificare una media (= 0) per la distribuzione di Cauchy proprio come mostra il grafico sotto. Ma perché diciamo che la distribuzione di Cauchy non ha significato?
Attualmente sto lavorando a un problema, in cui ho bisogno di sviluppare un algoritmo Monte Carlo (MCMC) della catena Markov per un modello spaziale statale. Per essere in grado di risolvere il problema, mi è stata data la seguente probabilità di : p ( ) = 2I ( > 0) …
Per mantenere il CLT abbiamo bisogno della distribuzione che desideriamo approssimare per avere media e varianza finita . Sarebbe vero dire che per il caso della distribuzione di Cauchy, la cui media e varianza sono indefinite, il Teorema del limite centrale non fornisce una buona approssimazione anche asintoticamente?μμ\muσ2σ2\sigma^2
La distribuzione di Cauchy è in qualche modo una distribuzione "imprevedibile"? Ho provato a farlo cs <- function(n) { return(rcauchy(n,0,1)) } in R per una moltitudine di n valori e ho notato che generano valori abbastanza imprevedibili di tanto in tanto. Confronta quello ad es as <- function(n) { return(rnorm(n,0,1)) …
In genere quando si prendono medie campionarie casuali di una distribuzione (con dimensioni del campione superiori a 30) si ottiene una normale distribuzione centrata attorno al valore medio. Tuttavia, ho sentito che la distribuzione di Cauchy non ha valore medio. Quale distribuzione si ottiene allora quando si ottengono mezzi di …
Dopo il centraggio, si può presumere che le due misurazioni x e -x siano osservazioni indipendenti da una distribuzione di Cauchy con funzione di densità di probabilità: f(x:θ)=f(x:θ)=f(x :\theta) = 1π(1+(x−θ)2)1π(1+(x−θ)2)1\over\pi (1+(x-\theta)^2) ,−∞<x<∞,−∞<x<∞, -∞ < x < ∞ Mostra che se x2≤1x2≤1x^2≤ 1 l'MLE di θθ\theta è 0, ma se …
Ho un set di dati molto grande e mancano circa il 5% di valori casuali. Queste variabili sono correlate tra loro. Il seguente set di dati R è solo un esempio di giocattolo con dati correlati fittizi. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), …
Se segue una distribuzione di Cauchy, allora segue esattamente la stessa distribuzione di ; vedi questa discussione .XXXY=X¯=1n∑ni=1XiY=X¯=1n∑i=1nXiY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX Questa proprietà ha un nome? Ci sono altre distribuzioni per le quali questo è vero? MODIFICARE Un altro modo di porre questa domanda: lascia che sia …
Secondo il Teorema del limite centrale, la funzione di densità di probabilità della somma di una grande variabile casuale indipendente tende a una Normale. Quindi possiamo dire che la somma di un gran numero di variabili casuali di Cauchy indipendenti è anche normale?
Considera una famiglia di distribuzioni con PDF (fino a una costante di proporzionalità) data da Come si chiama? Se non ha un nome, come lo chiameresti?p(x)∼1(1+αx2)1/α.p(x)∼1(1+αx2)1/α.p(x)\sim \frac{1}{(1+\alpha x^2)^{1/\alpha}}. Sembra abbastanza simile alla famiglia di distribuzioni con PDF proporzionale a tttp ( x ) ∼1( 1 +1νX2)( ν+ 1 ) / …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.