Supponiamo di conoscere p (x, y), p (x, z) e p (y, z), è vero che la distribuzione congiunta p (x, y, z) è identificabile? Cioè, c'è solo una possibile p (x, y, z) che ha sopra i margini?
Supponiamo di definire: X∼Beta(α,β)X∼Beta(α,β)X\sim\mbox{Beta}(\alpha,\beta) Y∼Φ−1(X)Y∼Φ−1(X)Y\sim \Phi^{-1}(X) dove Φ−1Φ−1\Phi^{-1} è l'inverso del CDF della distribuzione normale standard . La mia domanda è: esiste una semplice distribuzione che segue YYY o che può approssimare YYY ? Sto chiedendo perché ho un forte sospetto basato sui risultati della simulazione (mostrati sotto) che YYY …
Probabilmente non ho una chiara comprensione del paradosso di Simpson . Informalmente so che la media della risposta Y1, raggruppata su tutti i possibili livelli del fattore A, può essere superiore alla media della risposta Y2 su tutti i livelli di A, anche se la media di Y1 per ciascun …
Sono abbastanza matematicamente incline - avevo 6 semestri di matematica nei miei studi universitari - anche se sono un po 'fuori allenamento e lento con le equazioni differenziali parziali e gli integrali di percorso i miei concetti tornano con un po' di pratica. Non ho avuto un corso sulle prove …
Supponiamo di avere otto corridori che corrono una gara; la distribuzione dei loro tempi di esecuzione individuali è normale e ciascuno ha una media di 111111 secondi, diciamo. La deviazione standard del runner è la più piccola, due la seconda più piccola, la terza più piccola, ecc. E otto la …
Citazione da Wikipedia: In statistica, uno stimatore coerente o uno stimatore asintoticamente coerente è uno stimatore - una regola per calcolare le stime di un parametro avendo la proprietà che quando il numero di punti dati utilizzati aumenta indefinitamente, la sequenza risultante di stime converge in probabilità a θ ^ …
Stavo leggendo il calcolo della stima imparziale della deviazione standard e la fonte che ho letto dichiarato ... Mi chiedevo se qualcuno potesse chiarire il ragionamento alla base di questa affermazione, per esempio l'intervallo di confidenza non usa la deviazione standard come parte del calcolo? Pertanto, gli intervalli di confidenza …
La maggior parte dei risultati asintotici nelle statistiche dimostra che come uno stimatore (come l'MLE) converge in una distribuzione normale basata su un'espansione taylor del secondo ordine della funzione di probabilità. Credo che ci sia un risultato simile nella letteratura bayesiana, il "Teorema del limite centrale bayesiano", che mostra che …
Sembra esserci molta confusione nel confronto tra l'uso di glmnetinside caretper cercare un lambda ottimale e l'utilizzo cv.glmnetper fare lo stesso compito. Sono state poste molte domande, ad esempio: Modello di classificazione train.glmnet vs. cv.glmnet? Qual è il modo corretto di usare glmnet con il cursore? Convalida incrociata di `glmnet` …
Contesto : Voglio tracciare una linea in un grafico a dispersione che non appare parametrico, quindi sto usando geom_smooth()in ggplota R. Restituisce automaticamente geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the …
Sto esaminando un documento che usa la disuguaglianza dell'oracolo per dimostrare qualcosa ma non riesco a capire cosa stia nemmeno cercando di fare. Quando ho cercato online "Oracle Inequality", alcune fonti mi hanno indirizzato all'articolo "Candes, Emmanuel J." Stima statistica moderna tramite disuguaglianze oracolari ". "che può essere trovato qui …
Ho difficoltà a capire perché ci preoccupiamo se un processo MA è invertibile o no. Per favore, correggimi se sbaglio, ma posso capire perché ci importa se un processo AR è causale o meno, cioè se possiamo "riscriverlo", per così dire, come la somma di alcuni parametri e del rumore …
Se tutto ciò che stai facendo è ricampionare dalla distribuzione empirica, perché non studiare la distribuzione empirica? Ad esempio, invece di studiare la variabilità mediante campionamenti ripetuti, perché non quantificare semplicemente la variabilità dalla distribuzione empirica?
Mi sono imbattuto in una prova per una delle proprietà del modello ARCH che dice che se E(X2t)<∞E(Xt2)<∞\mathbb{E}(X_t^2) < \infty , allora {Xt}{Xt}\{X_t\} è stazionario iff ∑pi=1bi<1∑i=1pbi<1\sum_{i=1}^pb_i < 1 dove il modello ARCH è: Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 = b_0 + b_1X_{t-1}^2 + ... b_pX_{t-p}^2 L'idea principale della dimostrazione è …
Come sono sicuro che tutti qui già sanno, il PDF della distribuzione Beta X∼B(a,b)X∼B(a,b)X \sim B(a,b) è dato da 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} Ho cercato dappertutto una spiegazione delle origini di questa formula, ma non riesco a trovarla. Ogni articolo che ho trovato sulla distribuzione Beta sembra dare questa formula, illustrarne …
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.