Domande taggate «distributions»

Una distribuzione è una descrizione matematica delle probabilità o delle frequenze.

2
Variabili casuali per le quali le disuguaglianze di Markov e Chebyshev sono strette
Sono interessato a costruire variabili casuali per le quali le disuguaglianze di Markov o Chebyshev sono strette. Un esempio banale è la seguente variabile casuale. P(X=1)=P(X=−1)=0.5P(X=1)=P(X=−1)=0.5P(X=1)=P(X=-1) = 0.5 . La sua media è zero, la varianza è 1 e . Per questo variabile casuale chebyshev è stretto (vale con l'uguaglianza).P(|X|≥1)=1P(|X|≥1)=1P(|X| …
1
Intervalli di sovrapposizione casuali
Come posso trovare un'espressione analitica nel seguente problema?D ( n , l , L )D(n,l,L)D(n,l,L) Lascio cadere casualmente "barre" di lunghezza l in un intervallo [ 0 , L ] . Le "barre" possono sovrapporsi. Vorrei trovare la lunghezza totale media D dell'intervallo [ 0 , L ] occupata da …
1
Possiamo sempre riscrivere una distribuzione distorta corretta in termini di composizione di una distribuzione arbitraria e simmetrica?
Considera una distribuzione simmetrica e simmetrica due volte . Ora considera una seconda distribuzione differenziabile due volte distorta nel senso che:FXFX\mathcal{F}_XFZFZ\mathcal{F}_Z (1)FX⪯cFZ.(1)FX⪯cFZ.(1)\quad\mathcal{F}_X\preceq_c\mathcal{F}_Z. dove è l'ordinamento convesso di van Zwet [0] in modo che sia equivalente a:⪯c⪯c\preceq_c(1)(1)(1) (2)F−1ZFX(x) is convex ∀x∈R.(2)FZ−1FX(x) is convex ∀x∈R.(2)\quad F^{-1}_ZF_X(x)\text{ is convex $\forall x\in\mathbb{R}.$} Considera ora …
1
Se
Ecco un problema che è emerso in un esame semestrale nella nostra università qualche anno fa che sto lottando per risolvere. Se sono variabili casuali β indipendenti con densità β ( n 1 , n 2 ) e β ( n 1 + 1X1, X2X1,X2X_1,X_2ββ\betaβ( n1, n2)β(n1,n2)\beta(n_1,n_2)rispettivamente quindi mostrano che√β( …
1
Come calcolare la funzione di verosimiglianza
La durata di 3 componenti elettronici è e . Le variabili casuali erano state modellate come un campione casuale di dimensione 3 dalla distribuzione esponenziale con parametro . La funzione di probabilità è, perX1=3,X2=1.5,X1=3,X2=1.5,X_{1} = 3, X_{2} = 1.5,X3=2.1X3=2.1X_{3} = 2.1θθ\thetaθ>0θ>0\theta > 0 f3(x|θ)=θ3exp(−6.6θ)f3(x|θ)=θ3exp(−6.6θ)f_{3}(x|\theta) = \theta^{3} exp(-6.6\theta) , dove .x=(2,1.5,2.1)x=(2,1.5,2.1)x …
3
Se ,
Supponiamo che il seguente set: Let Zi=min{ki,Xi},i=1,...,nZi=min{ki,Xi},i=1,...,nZ_i = \min\{k_i, X_i\}, i=1,...,n . Anche Xi∼U[ai,bi],ai,bi>0Xi∼U[ai,bi],ai,bi>0X_i \sim U[a_i, b_i], \; a_i, b_i >0 . Inoltre ki=cai+(1−c)bi,0<c<1ki=cai+(1−c)bi,0<c<1k_i = ca_i + (1-c)b_i,\;\; 0 k_i) = 1- \Pr(X_i \le k_i) =1−ki−aibi−ai=1−(1−c)(bi−ai)bi−ai=c=1−ki−aibi−ai=1−(1−c)(bi−ai)bi−ai=c= 1- \frac {k_i - a_i}{b_i-a_i} = 1-\frac {(1-c)(b_i-a_i)}{b_i-a_i} =c Quindi in tutto FZi(zi)=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪0zi<aizi−aibi−aiai≤zi<ki1ki≤ziFZi(zi)={0zi<aizi−aibi−aiai≤zi<ki1ki≤ziF_{Z_i}(z_i) = …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.