Domande taggate «order-statistics»

Supponiamo che le variabili casuali e siano indipendenti e distribuite da . Mostra che ha un \ text {Exp} (1) distribuzione.X1,...,XnX1,...,XnX_1, ... , X_nY1,...,YnY1,...,YnY_1, ..., Y_nU(0,a)U(0,a)U(0,a)Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))Zn=nlog⁡max(Y(n),X(n))min(Y(n),X(n))Z_n= n\log\frac{\max(Y_{(n)},X_{(n)})}{\min(Y_{(n)},X_{(n)})}Exp(1)Exp(1)\text{Exp}(1) Ho iniziato questo problema impostando {X1,...,Xn,Y1,...Yn}={Z1,...,Zn}{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}\{X_1,...,X_n,Y_1,...Y_n\} = \{Z_1,...,Z_n\} Quindi il max(Yn,Xn)=Z(2n)max(Yn,Xn)=Z(2n)\max(Y_n,X_n)= Z_{(2n)} verrebbe distribuito come (za)2n(za)2n(\frac{z}{a})^{2n} e min(Yn,Xn)=Z(1)min(Yn,Xn)=Z(1)\min(Y_n,X_n)= Z_{(1)} verrebbe distribuito come 1−(1−za)2n1−(1−za)2n1 …

9 self-study  data-transformation  order-statistics 

Sfondo: ho un campione che voglio modellare con una distribuzione dalla coda pesante. Ho alcuni valori estremi, tali che la diffusione delle osservazioni è relativamente grande. La mia idea era quella di modellare questo con una distribuzione Pareto generalizzata, e così ho fatto. Ora, il quantile 0,975 dei miei dati …

9 confidence-interval  quantiles  asymptotics  order-statistics 

AGGIORNAMENTO 25 gennaio 2014: l'errore è ora corretto. Ignora i valori calcolati del Valore atteso nell'immagine caricata - sono errati - Non elimino l'immagine perché ha generato una risposta a questa domanda. AGGIORNAMENTO 10 gennaio 2014: l'errore è stato trovato: un errore di matematica in una delle fonti utilizzate. Preparazione …

9 normal-distribution  expected-value  order-statistics  minimum 

Sto cercando di risolvere un problema per la mia tesi e non vedo come farlo. Ho 4 osservazioni prese casualmente da una distribuzione uniforme . Voglio calcolare la probabilità che . è la statistica del suo ordine (prendo la statistica dell'ordine in modo che le mie osservazioni siano classificate dal …

9 probability  uniform  order-statistics 

Supponiamo che io abbia accoppiato osservazioni disegnate come Xi∼N(0,σ2x),Yi∼N(0,σ2y),Xi∼N(0,σx2),Yi∼N(0,σy2),X_i \sim \mathcal{N}\left(0,\sigma_x^2\right), Y_i \sim \mathcal{N}\left(0,\sigma_y^2\right), per i=1,2,…,ni=1,2,…,ni=1,2,\ldots,n . Lasciare Zi=Xi+Yi,Zi=Xi+Yi,Z_i = X_i + Y_i, e Indichiamo con ZijZijZ_{i_j} la jjj esima grande valore osservato di ZZZ. Qual è la distribuzione (condizionale) di ? (o equivalentemente, quello di Y i j )XijXijX_{i_j}YijYijY_{i_j} …

9 distributions  order-statistics  shrinkage 

Il mio set di dati comprende la mortalità totale o la sopravvivenza di un organismo in tre tipi di siti: costiera, midchannel e offshore. I numeri nella tabella seguente rappresentano il numero di siti. 100% Mortality 100% Survival Inshore 30 31 Midchannel 10 20 Offshore 1 10 Vorrei sapere se …

9 logistic  multiple-comparisons  chi-squared  r  text-mining  clustering  classification  feature-selection  unsupervised-learning  time-series  references  mode  hypothesis-testing  confidence-interval  bootstrap  normal-distribution  order-statistics  correlation  statistical-significance  spss  bayesian  beta-binomial 

Supponi X = ~ , dove .(X1,...,Xn)(X1,...,Xn)(X_1, ..., X_n)U(θ,2θ)U(θ,2θ)U(\theta, 2\theta)θ∈R+θ∈R+\theta \in \Bbb{R}^+ Come si calcola l'aspettativa condizionale di , dove e sono rispettivamente le statistiche di ordine più piccolo e più grande?E[X1|X(1),X(n)]E[X1|X(1),X(n)]E[X_1|X_{(1)},X_{(n)}]X(1)X(1)X_{(1)}X(n)X(n)X_{(n)} Il mio primo pensiero sarebbe che, poiché le statistiche dell'ordine limitano l'intervallo, è semplicemente , ma non sono …

8 mathematical-statistics  expected-value  uniform  conditional-expectation  order-statistics