Domande taggate «self-study»

Un esercizio di routine da un libro di testo, un corso o un test utilizzato per una lezione o uno studio autonomo. La politica di questa comunità è di "fornire suggerimenti utili" per tali domande piuttosto che risposte complete.

4
Voglio mostrare
Sia una variabile casuale nello spazio di probabilità cheX:Ω→NX:Ω→NX:\Omega \to \mathbb N(Ω,B,P)(Ω,B,P)(\Omega,\mathcal B,P)E(X)=∑n=1∞P(X≥n).E(X)=∑n=1∞P(X≥n).E(X)=\sum_{n=1}^\infty P(X\ge n). la mia definizione da è uguale a E(X)E(X)E(X)E(X)=∫ΩXdP.E(X)=∫ΩXdP.E(X)=\int_\Omega X \, dP. Grazie.
1
Suggerimento di test statistici
Devo trovare un test statistico appropriato (test del rapporto di verosimiglianza, test t, ecc.) Su quanto segue: Let essere un campione iid di un vettore casuale ( X ; Y ) e supponiamo che ( Y X ) ~ N [ ( μ 1 μ 2 ) , ( 1 …
1
Perché Anova () e drop1 () hanno fornito risposte diverse per i GLMM?
Ho un GLMM del modulo: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), ottengo risultati diversi rispetto a quelli che utilizzo Anova(model, type="III")dal pacchetto auto o summary(model). Questi ultimi due danno le stesse risposte. Usando un mucchio di dati fabbricati, …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
Trova UMVUE di dove
Lascia X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n tra variabili casuali con pdf fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) dove θ>0θ>0\theta >0 . Dai l'UMVUE di 1θ1θ\frac{1}{\theta} e calcola la sua varianza Ho imparato due di questi metodi per ottenere UMVUE ottenuti: Cramer-Rao Lower Bound (CRLB) Lehmann-Scheffe Thereom Proverò a farlo usando il …
3
Distribuzione di
Come esercizio di routine, sto cercando di trovare la distribuzione di X2+Y2−−−−−−−√X2+Y2\sqrt{X^2+Y^2} dove XXXeYYYsonovariabili casualiU(0,1)U(0,1) U(0,1). La densità articolare di (X,Y)(X,Y)(X,Y) è fX,Y(x,y)=10&lt;x,y&lt;1fX,Y(x,y)=10&lt;x,y&lt;1f_{X,Y}(x,y)=\mathbf 1_{0\cos^{-1}\left(\frac{1}{z}\right), poichécosθcos⁡θ\cos\thetasta diminuendo suθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]; ezsinθ&lt;1⟹θ&lt;sin−1(1z)zsin⁡θ&lt;1⟹θ&lt;sin−1⁡(1z)z\sin\theta<1\implies\theta<\sin^{-1}\left(\frac{1}{z}\right), comesinθsin⁡θ\sin\thetasta aumentando inθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]. Quindi, per 1&lt;z&lt;2–√1&lt;z&lt;21< z<\sqrt 2 , abbiamocos−1(1z)&lt;θ&lt;sin−1(1z)cos−1⁡(1z)&lt;θ&lt;sin−1⁡(1z)\cos^{-1}\left(\frac{1}{z}\right)<\theta<\sin^{-1}\left(\frac{1}{z}\right). Il valore assoluto di jacobian della trasformazione è |J|=z|J|=z|J|=z Pertanto la densità …
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.