La funzione di densità di probabilità di una distribuzione uniforme (continua) è mostrata sopra. L'area sotto la curva è 1, il che ha senso poiché la somma di tutte le probabilità in una distribuzione di probabilità è 1. Formalmente, la funzione di probabilità sopra (f (x)) può essere definita come …
Per qualche motivo, ho bisogno di generare numeri casuali (dati) dalla distribuzione "uniforme inclinata". La "pendenza" di questa distribuzione può variare in un intervallo ragionevole, e quindi la mia distribuzione dovrebbe cambiare da uniforme a triangolare in base alla pendenza. Ecco la mia derivazione: Rendiamolo semplice e generiamo i dati …
Considera 3 iid campioni estratti dalla distribuzione uniforme , dove θ è un parametro. Voglio trovare E [ X ( 2 ) | X ( 1 ) , X ( 3 ) ] dove X ( i ) è la statistica dell'ordine i .u(θ,2θ)u(θ,2θ)u(\theta, 2\theta)θθ\thetaE[X(2)|X(1),X(3)]E[X(2)|X(1),X(3)] \mathbb{E}\left[X_{(2)}| X_{(1)}, X_{(3)}\right] X(i)X(i)X_{(i)}iii Mi …
Se dovessi definire le coordinate e ( X 2 , Y 2 ) dove( X1, Y1)(X1,Y1)(X_{1},Y_{1})( X2, Y2)(X2,Y2)(X_{2},Y_{2}) X1, X2∼ Unif ( 0 , 30 ) e Y1, Y2∼ Unif ( 0 , 40 ) .X1,X2∼Unif(0,30) and Y1,Y2∼Unif(0,40).X_{1},X_{2} \sim \text{Unif}(0,30)\text{ and }Y_{1},Y_{2} \sim \text{Unif}(0,40). Come troverei il valore atteso della …
Supponendo che io abbia un set di dati con dimensioni (es. ) in modo che ogni dimensione sia iid (in alternativa, ogni dimensione ) e indipendente da l'un l'altro.dddd=20d=20d=20Xi∼U[0;1]Xi∼U[0;1]X_i \sim U[0;1]Xi∼N[0;1]Xi∼N[0;1]X_i \sim \mathcal N[0;1] Ora disegno un oggetto casuale da questo set di dati e prendo il vicini più vicini …
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 …
La mia domanda è abbastanza semplice: let XXX e YYY essere due variabili casuali uniformi non correlate su [ - 1 , 1 ][−1,1][-1,1]. Sono indipendenti? Ho avuto l'impressione che due variabili casuali, non correlate, siano necessariamente indipendenti solo se la loro distribuzione congiunta è normale. Tuttavia, non posso trovare …
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 …
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.