Domande taggate «probability»

Una probabilità fornisce una descrizione quantitativa della probabile occorrenza di un particolare evento.

3
Come si fa a sapere se le buone prestazioni arrivano in serie?
Risolvo i cubi di Rubik come hobby. Annoto il tempo impiegato per risolvere il cubo utilizzando alcuni software, quindi ora ho i dati di migliaia di soluzioni. I dati sono sostanzialmente un lungo elenco di numeri che rappresentano il tempo impiegato da ciascuna risoluzione sequenziale (ad es. 22.11, 20.66, 21.00, …
4
Combinazione delle probabilità di incidenti nucleari
I recenti eventi in Giappone mi hanno fatto riflettere su quanto segue. Le centrali nucleari sono generalmente progettate per limitare il rischio di incidenti gravi a una "probabilità di base del progetto", ad esempio, 10E-6 / anno. Questo è il criterio per una singola pianta. Tuttavia, quando esiste una popolazione …
4
Come posso stimare la densità di un parametro a zero inflazionato in R?
Ho un set di dati con molti zeri che assomiglia a questo: set.seed(1) x <- c(rlnorm(100),rep(0,50)) hist(x,probability=TRUE,breaks = 25) Vorrei tracciare una linea per la sua densità, ma la density()funzione utilizza una finestra mobile che calcola i valori negativi di x. lines(density(x), col = 'grey') C'è un density(... from, to)argomento, …
10 r  probability  kde 
1
I processi stocastici come il processo gaussiano / processo di Dirichlet hanno densità? In caso contrario, come può essere applicata la regola di Bayes?
Dirichlet Pocess e Gaussian Process sono spesso definiti "distribuzioni su funzioni" o "distribuzioni su distribuzioni". In tal caso, posso parlare in modo significativo della densità di una funzione in un GP? Cioè, il processo gaussiano o il processo di Dirichlet hanno qualche nozione di densità di probabilità? In caso contrario, …
3
Una normale divisa per ti dà una distribuzione t - prova
lascia che e .Z∼N(0,1)Z∼N(0,1)Z \sim N(0,1)W∼χ2(s)W∼χ2(s)W \sim \chi^2(s) Se e sono distribuiti indipendentemente, la variabile segue una distribuzione con gradi di libertà .ZZZWWWY=ZW/s√Y=ZW/sY = \frac{Z}{\sqrt{W/s}}tttsss Sto cercando una prova di questo fatto, un riferimento è abbastanza buono se non si desidera scrivere l'argomento completo.
1
Stimatore non distorto con varianza minima per
Consenti a essere un campione casuale di una distribuzione per . Vale a dire,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Trova lo stimatore imparziale con varianza minima perg(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} Il mio tentativo: Poiché la distribuzione geometrica proviene dalla famiglia esponenziale, la statistica è completa e sufficiente per . Inoltre, se è uno stimatore …
1
Distribuzione della probabilità di funzioni di variabili casuali?
Ho un dubbio: considera le variabili casuali valutate reali e entrambe definite nello spazio probabilità .XXXZZZ(Ω,F,P)(Ω,F,P)(\Omega, \mathcal{F},\mathbb{P}) Sia , dove è una funzione a valore reale. Poiché è una funzione di variabili casuali, è una variabile casuale.Y:=g(X,Z)Y:=g(X,Z)Y:= g(X,Z)g(⋅)g(⋅)g(\cdot)YYY Let cioè una realizzazione di .x:=X(ω)x:=X(ω)x:=X(\omega)XXX È pari a ?P(Y|X=x)=P(g(X,Z)|X=x)P(Y|X=x)=P(g(X,Z)|X=x)\mathbb{P}(Y|X=x)=\mathbb{P}(g(X,Z)|X=x)P(g(x,Z))P(g(x,Z))\mathbb{P}(g(x,Z))
4
Modello di storia degli eventi a tempo discreto (Sopravvivenza) in R
Sto cercando di adattare un modello a tempo discreto in R, ma non sono sicuro di come farlo. Ho letto che puoi organizzare la variabile dipendente in diverse righe, una per ogni osservazione temporale e utilizzare la glmfunzione con un collegamento logit o cloglog. In questo senso, ho tre colonne: …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
1
Domanda sulla funzione di autocovarianza del campione
Sto leggendo un libro di analisi delle serie temporali e la formula per la campionatura automatica è definita nel libro come: γˆ(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)γ^(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)\widehat{\gamma}(h) = n^{-1}\displaystyle\sum_{t=1}^{n-h}(x_{t+h}-\bar{x})(x_t-\bar{x}) conper . γˆ(−h)=γˆ(h)γ^(−h)=γ^(h)\widehat{\gamma}(-h) = \widehat{\gamma}(h)\;h=0,1,...,n−1h=0,1,...,n−1\;h = 0,1, ..., n-1x¯x¯\bar{x} è la media. Qualcuno può spiegare intuitivamente perché dividiamo la somma per nnn e non per n−hn−hn-h …
4
Varianza dei resistori in parallelo
Supponiamo di avere una serie di resistori R, tutti distribuiti con media μ e varianza σ. Considera una sezione di un circuito con il seguente layout: (r) || (r + r) || (R + R + R). La resistenza equivalente di ogni parte è r, 2r e 3r. La varianza …
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.