Domande taggate «moments»

I momenti sono riassunti delle caratteristiche delle variabili casuali (ad es. Posizione, scala). Utilizzare anche per momenti frazionari.

1
Nomi cumulativi e di momento di ordine superiore oltre varianza, asimmetria e curtosi
In fisica o meccanica matematica, partendo da una posizione basata sul tempo , si ottengono tassi di variazione tramite derivati ​​rispetto al tempo: velocità, accelerazione, jerk (3 ° ordine), jounce (4 ° ordine).x(t)x(t)x(t) Alcuni hanno già proposto snap, crackle, pop per derivati ​​fino al settimo ordine. I momenti, ispirati alla …
1
Riferimenti: Coda del cdf inverso
Sono quasi sicuro di aver già visto i seguenti risultati nelle statistiche, ma non ricordo dove. Se è una variabile casuale positiva e allora quando , dove è il cdf di .XXXε F - 1 ( 1 - ε ) → 0 ε → 0 + F XE(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\inftyεF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to …
1
Funzioni generatrici di momenti e trasformazioni di Fourier?
Una funzione generatrice di momenti è una trasformata di Fourier di una funzione di densità di probabilità? In altre parole, una funzione generatrice di momenti è solo la risoluzione spettrale di una distribuzione di densità di probabilità di una variabile casuale, ovvero un modo equivalente per caratterizzare una funzione in …
10 moments  mgf  cumulants 
1
Valore “nascosto” della variabile categoriale della regressione lineare
Questo è solo un esempio che ho riscontrato più volte, quindi non ho dati di esempio. Esecuzione di un modello di regressione lineare in R: a.lm = lm(Y ~ x1 + x2) x1è una variabile continua. x2è categorico e ha tre valori, ad esempio "Basso", "Medio" e "Alto". Tuttavia, l'output …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
1
Genera variabile casuale con determinati momenti
Conosco i primi momenti di una certa distribuzione. So anche che la mia distribuzione è continua, unimodale e ben modellata (sembra una distribuzione gamma). È possibile:NNN Usando qualche algoritmo, genera campioni da questa distribuzione, che in condizioni limite avrà esattamente gli stessi momenti? Risolvi questo problema analiticamente? Capisco che fino …
1
Quali sono la media e la varianza di un normale multivariato censurato 0?
Lascia che sia in . Quali sono la matrice media e di covarianza di (con il massimo calcolato elementalmente)?Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma)RdRd\mathbb R^dZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) Ciò si verifica ad esempio perché, se utilizziamo la funzione di attivazione ReLU all'interno di una rete profonda e supponiamo tramite il CLT …
1
Esempio di CLT quando non esistono momenti
ConsideraXn=⎧⎩⎨1−12kw.p. (1−2−n)/2w.p. (1−2−n)/2w.p. 2−k for k&gt;nXn={1w.p. (1−2−n)/2−1w.p. (1−2−n)/22kw.p. 2−k for k&gt;nX_n = \begin{cases} 1 & \text{w.p. } (1 - 2^{-n})/2\\ -1 & \text{w.p. } (1 - 2^{-n})/2\\ 2^k & \text{w.p. } 2^{-k} \text{ for } k > n\\ \end{cases} Devo dimostrare che anche se questo ha infiniti momenti,n−−√(X¯n)→dN(0,1)n(X¯n)→dN(0,1)\sqrt{n}(\bar{X}_n) \overset{d}{\to} N(0,1) …
1
Funzione generatrice del momento del prodotto interno di due vettori casuali gaussiani
Qualcuno può suggerire come posso calcolare la funzione generatrice del momento del prodotto interno di due vettori casuali gaussiani, ciascuno distribuito come , indipendentemente l'uno dall'altro? C'è qualche risultato standard disponibile per questo? Ogni puntatore è molto apprezzato.N(0,σ2)N(0,σ2)\mathcal N(0,\sigma^2)
3
Cosa c'è di sbagliato nella mia prova della Legge della varianza totale?
Secondo la legge della varianza totale, Var( X) = E( Var( X∣ Y) ) + Var( E( X∣ Y) )Var⁡(X)=E⁡(Var⁡(X∣Y))+Var⁡(E⁡(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) Quando provo a provarlo, scrivo Var( X)= E( X- EX)2= E{ E[ ( X- EX)2∣ Y] }= E( Var( X∣ Y) )Var⁡(X)=E⁡(X−E⁡X)2=E⁡{E⁡[(X−E⁡X)2∣Y]}=E⁡(Var⁡(X∣Y)) \begin{equation} \begin{aligned} \operatorname{Var}(X) &= …
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.