Sia X=(x1,x2,…xn)X=(x1,x2,…xn)\mathbf{X}= (x_1, x_2, \dots x_n) un campione casuale dalla distribuzione uniforme su (a,b)(a,b)(a,b) , dove a<ba<ba < b . Sia Y1Y1Y_1 e YnYnY_n le statistiche degli ordini più grandi e più piccole. Mostra che la statistica (Y1,Yn)(Y1,Yn)(Y_1, Y_n) è una statistica sufficiente congiuntamente completa per il parametro θ=(a,b)θ=(a,b)\theta = …
In un caso multivariato di valore reale, c'è un modo per campionare uniformemente i punti dalla superficie in cui la distanza di Mahalanobis dalla media di è una costante? EDIT: questo si riduce ai punti di campionamento uniformemente dalla superficie di un iper-ellissoide che soddisfa l'equazione, ( x - μ …
Supponiamo che la variabile casuale segua una distribuzione Uniforme continua con i parametri 0 e 10 (cioè )U ∼ U ( 0 , 10 )UUUU∼ U ( 0 , 10 )U∼U(0,10)U \sim \rm{U}(0,10) Ora denotiamo A l'evento che = 5 e B l'evento che è uguale a o 6. Secondo …
Quando qualcuno dice che i dati vengono campionati da una distribuzione uniformemente compresa tra 128 e 4000, cosa significa? In che modo diverso dal campionamento da una distribuzione uniforme? Vedi questo documento: http://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf Grazie!
Perché i generatori di numeri casuali come runif()in R non generano sempre lo stesso risultato? Per esempio: X <- runif(100) X sta generando output diversi ogni volta. Qual è il motivo per generare output diversi ogni volta? Quali funzionalità ha in background per farlo?
Lascia che segua una distribuzione uniforme e segua una distribuzione normale. Cosa si può dire di ? C'è una distribuzione per questo?XXXYYYXYXY\frac X Y Ho trovato che il rapporto di due normali con zero medio è Cauchy.
Ciò che sono noti limiti superiori su quanto spesso la norma euclidea di un elemento scelto uniformemente {−n, −(n−1), ..., n−1, n}d{−n, −(n−1), ..., n−1, n}d\:\{-n,~-(n-1),~...,~n-1,~n\}^d\: sarà maggiore di una determinata soglia? Sono principalmente interessato ai limiti che convergono esponenzialmente a zero quando nnn è molto inferiore a ddd .
Ho un problema simile alla domanda posta qui: Come si misura la non uniformità di una distribuzione? Ho una serie di distribuzioni di probabilità durante i giorni della settimana. Voglio misurare quanto è vicina ogni distribuzione (1 / 7,1 / 7, ..., 1/7). Al momento sto usando una risposta dalla …
Se e , allora posso dire cheY ∼ U ( a , X ) Y ∼ U ( a , b ) ?X∼ U( a , b )X~U(un',B)X \sim U(a, b)Y∼ U( a , X)Y~U(un',X)Y \sim U(a, X)Y∼ U( a , b ) ?Y~U(un',B)?Y \sim U(a, b)? Sto parlando di …
Sono interessato al seguente tipo di caso: ci sono 'n' variabili casuali continue che devono essere sommate a 1. Quale sarebbe quindi il PDF per ogni singolo individuo tale variabile? Quindi, se , allora sono interessato alla distribuzione per , dove e sono tutti distribuiti uniformemente. La media ovviamente, in …
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<x,y<1fX,Y(x,y)=10<x,y<1f_{X,Y}(x,y)=\mathbf 1_{0\cos^{-1}\left(\frac{1}{z}\right), poichécosθcosθ\cos\thetasta diminuendo suθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]; ezsinθ<1⟹θ<sin−1(1z)zsinθ<1⟹θ<sin−1(1z)z\sin\theta<1\implies\theta<\sin^{-1}\left(\frac{1}{z}\right), comesinθsinθ\sin\thetasta aumentando inθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]. Quindi, per 1<z<2–√1<z<21< z<\sqrt 2 , abbiamocos−1(1z)<θ<sin−1(1z)cos−1(1z)<θ<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 …
Abbiamo N campioni, , da una distribuzione uniforme dove \ theta è sconosciuta. Stimare \ theta dai dati.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Quindi, la regola di Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} e la probabilità è: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (modifica: quando 0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \theta per tutti iii , e 0 …
Quando testiamo alcune ipotesi null contro alternative con una statistica di test , dove , applichiamo il test di permutazione con l'insieme di permutazioni su e abbiamo una nuova statistica X = { x i , . . . , x n } G X T ( X ) : …
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: …
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.