Câu hỏi được gắn thẻ «cdf»

Chức năng phân phối tích lũy. Mặc dù PDF cho mật độ xác suất của từng giá trị của một biến ngẫu nhiên, CDF (thường được ký hiệu là ) đưa ra xác suất rằng biến ngẫu nhiên sẽ nhỏ hơn hoặc bằng một giá trị được chỉ định. F(x)

1
Tài liệu tham khảo: Đuôi cdf nghịch đảo
Tôi gần như chắc chắn rằng tôi đã thấy kết quả sau đây trong thống kê nhưng tôi không thể nhớ nơi nào. Nếu là biến ngẫu nhiên dương và thì khi , trong đó là lũy của .XXXE(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\inftyεF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to 0ε→0+ε→0+\varepsilon\to 0^+FFFXXX Điều này dễ dàng nhận thấy về …
1
Mô hình học sâu nào có thể phân loại các danh mục không loại trừ lẫn nhau
Ví dụ: Tôi có một câu trong mô tả công việc: "Kỹ sư cao cấp Java ở Anh". Tôi muốn sử dụng một mô hình học tập sâu để dự đoán nó thành 2 loại: English và IT jobs. Nếu tôi sử dụng mô hình phân loại truyền thống, nó …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
CDF hai mẫu của
Tôi đang cố gắng hiểu làm thế nào để đạt được giá trị ppp cho thử nghiệm Kolmogorov-Smirnov một phía và đang vật lộn để tìm CDF cho D+n1,n2Dn1,n2+D^{+}_{n_{1},n_{2}} và D−n1,n2Dn1,n2−D^{-}_{n_{1},n_{2}} trong trường hợp hai mẫu. Dưới đây được trích dẫn ở một vài nơi là CDF cho D+nDn+D^{+}_{n} trong …
1
Mô phỏng từ một phân phối bình thường hỗn hợp cắt ngắn
Tôi muốn mô phỏng một mẫu từ phân phối bình thường hỗn hợp sao cho p×N(μ1,σ21)+(1−p)×N(μ2,σ22)p×N(μ1,σ12)+(1−p)×N(μ2,σ22)p\times\mathcal{N}(\mu_1,\sigma_1^2) + (1-p)\times\mathcal{N}(\mu_2,\sigma_2^2) được giới hạn trong khoảng thay vì . Điều này có nghĩa là tôi muốn mô phỏng một hỗn hợp cắt ngắn của các bản phân phối bình thường.R[0,1][0,1][0,1]RR\mathbb{R} Tôi biết rằng …
2
giới hạn của là
Tôi tự hỏi về việc hiển thị giới hạn: trong đó \ overline {F} = 1-F là hàm phân phối đuôi, \ overline {F} (x) = 1 F (x) , trong đó F là hàm phân phối tích lũy ¯ F =1-Flimx→∞xF¯¯¯¯(x)=0limx→∞xF¯(x)=0 \lim_{x \to \infty} x\overline{F}(x) =0 F¯¯¯¯=1−FF¯=1−F\overline{F} =1-FF¯¯¯¯(x)=1−F(x)F¯(x)=1−F(x)\overline{F}(x)=1−F(x)FFF Vì …
3
Tìm phân phối và chuyển đổi sang phân phối bình thường
Tôi có dữ liệu mô tả tần suất một sự kiện diễn ra trong một giờ ("số lượng mỗi giờ", nph) và thời gian các sự kiện kéo dài ("thời gian tính bằng giây mỗi giờ", dph). Đây là dữ liệu gốc: nph &lt;- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, …
8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 
3
Làm thế nào để có được hàm lượng tử khi không biết hình thức phân tích của phân phối
Vấn đề xuất phát từ trang 377-379 của bài báo [0] này. Cho phân phối liên tục và cố định , hãy xem xét:FFFz∈Rz∈Rz\in\mathbb{R} Lz(t)=PF(|z−Z|≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) và H(z)=L−1z(0.5)=medZ∼F|z−Z|H(z)=Lz−1(0.5)=medZ∼F|z−Z|H(z)=L^{-1}_z(0.5)=\underset{Z\sim F}{\mbox{med}}|z-Z| Trong đó là nghịch đảo liên tục đúng. Vì vậy, đối với một z cố định , đây là khoảng cách …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.