Mi trovo spesso a porre domande del tipo: "So che questa variabile trova in e la maggior parte della massa si trova in e quindi diminuisce continuamente verso 1. Quale distribuzione posso usare per modellarla? "( 0 , 1 ) ( 0 , .20 )xxx(0,1)(0,1)(0,1)(0,.20)(0,.20)(0,.20) In pratica, finisco per usare …
L' entropia di una distribuzione continua con funzione di densità fff è definito come il negativo della aspettativa di log( f) ,log(f),\log(f), e quindi è uguale a Hf= - ∫∞- ∞log( f( x ) ) f( x ) d x .Hf=−∫−∞∞log(f(x))f(x)dx.H_f = -\int_{-\infty}^{\infty} \log(f(x)) f(x)\mathrm{d}x. Diciamo anche che qualsiasi variabile …
So che KL Divergence non è simmetrica e non può essere considerata rigorosamente come una metrica. In tal caso, perché viene utilizzato quando JS Divergence soddisfa le proprietà richieste per una metrica? Esistono scenari in cui è possibile utilizzare la divergenza KL ma non JS Divergence o viceversa?
Penso che questo sia un po 'di base, ma dire che ho una variabile casuale XXX , la probabilità P(X≤a)P(X≤a)P(X \leq a) uguale a P(f(X)≤f(a))P(f(X)≤f(a))P(f(X) \leq f(a)) per qualsiasi funzione continua con valore reale fff ?
Esiste una distribuzione o posso lavorare da un'altra distribuzione per creare una distribuzione come quella nell'immagine qui sotto (scuse per i cattivi disegni)? dove do un numero (0,2, 0,5 e 0,9 negli esempi) per dove dovrebbe essere il picco e una deviazione standard (sigma) che rende la funzione più ampia …
Abbiamo a che fare con la distribuzione lognormale in un corso di finanza e il mio libro di testo afferma semplicemente che questo è vero, che trovo frustrante poiché il mio background in matematica non è molto forte ma voglio l'intuizione. Qualcuno può mostrarmi perché questo è il caso?
Di recente ho incontrato la distribuzione bivariata di Poisson, ma sono un po 'confuso su come possa essere derivato. La distribuzione è data da: P ( X = x , Y = y ) = e - ( θ 1 + θ 2 + θ 0 ) θ x 1x …
Ho appena avuto un attacco di panico (intellettuale). Una variabile casuale continua che segue un'uniforme in un intervallo chiuso U( a , b )U(un',B)U(a,b) : un concetto statistico comodamente familiare. Un camper uniforme continuo con supporto sui reali estesi (metà o intero): non un camper vero e proprio, ma un …
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 …
Secondo la SAGE Encyclopedia of Social Science Metodi di ricerca ... [a] l'effetto del soffitto si verifica quando una misura possiede un limite superiore distinto per le risposte potenziali e una grande concentrazione di partecipanti ottiene un punteggio pari o vicino a questo limite. L'attenuazione della scala è un problema …
Non conosco distribuzioni multimodali. Perché tutte le distribuzioni conosciute sono unimodali? Esiste una distribuzione "famosa" che ha più di una modalità? Certo, le miscele di distribuzioni sono spesso multimodali, ma vorrei sapere se esistono distribuzioni "non miscele" che hanno più di una modalità.
Perché la distribuzione geometrica e la distribuzione ipergeometrica sono chiamate rispettivamente "geometrica" e "ipergoemetric"? È perché i loro pmfs assumono una forma speciale? Grazie!
Ho letto del test t di Student, ma sembra funzionare quando possiamo supporre che le distribuzioni originali siano normalmente distribuite. Nel mio caso, sicuramente no. Inoltre, se ho 13 distribuzioni, devo fare dei 13^2test?
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.