Câu hỏi được gắn thẻ «convergence»

Sự hội tụ nói chung có nghĩa là một chuỗi số lượng mẫu nhất định tiếp cận một hằng số khi kích thước mẫu có xu hướng vô cùng. Hội tụ cũng là một thuộc tính của thuật toán lặp để ổn định trên một số giá trị đích.



1
Sử dụng
Giả sử rằng tôi có được IID và tôi muốn làm một bài kiểm tra giả thuyết rằng μ là 0. Giả sử tôi có n lớn và có thể sử dụng trung tâm Định lý giới hạn. Tôi cũng có thể làm một bài kiểm tra đó μ 2 …

2
Định lý của Slutsky vẫn còn hiệu lực khi cả hai chuỗi đều hội tụ đến một biến ngẫu nhiên không suy biến?
Tôi bối rối về một số chi tiết về định lý của Slutsky : Đặt {Xn}{Xn}\{X_n\} , {Yn}{Yn}\{Y_n\} là hai chuỗi các phần tử ngẫu nhiên vô hướng / vectơ / ma trận. Nếu XnXnX_n hội tụ phân phối cho một phần tử ngẫu nhiên XXX và YnYnY_n hội tụ …

3
Về sự hội tụ trong xác suất
Hãy {Xn}n≥1{Xn}n≥1\{X_n\}_{n\geq 1} là một chuỗi các biến ngẫu nhiên st Xn→aXn→aX_n \to a trong xác suất, nơi a>0a>0a>0 là một hằng số cố định. Tôi đang cố gắng để hiển thị như sau: Xn−−−√→a−−√Xn→a\sqrt{X_n} \to \sqrt{a} và aXn→1aXn→1\frac{a}{X_n}\to 1 cả hai xác suất. Tôi ở đây để xem logic …

2
Điều gì xảy ra với tỷ lệ khả năng khi ngày càng có nhiều dữ liệu được thu thập?
Đặt , và là mật độ và giả sử bạn có , . Điều gì xảy ra với tỷ lệ khả năng là ? (Nó có hội tụ không? Để làm gì?)fffggghhhxi∼hxi∼hx_i \sim hi∈Ni∈Ni \in \mathbb{N}∏i=1nf(xi)g(xi)∏i=1nf(xi)g(xi) \prod_{i=1}^n \frac{f(x_i)}{g(x_i)} n→∞n→∞n \rightarrow \infty Chẳng hạn, chúng ta có thể giả sử . …

3
Một câu hỏi định lý giới hạn trung tâm khác
Đặt là một chuỗi các biến ngẫu nhiên Bernoulli độc lập với Đặt Cho thấy hội tụ trong phân phối cho biến thông thường tiêu chuẩn khi có xu hướng vô cùng.{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}P{Xk=1}=1−P{Xk=0}=1k.P{Xk=1}=1−P{Xk=0}=1k.P\{X_k=1\}=1-P\{X_k=0\}=\frac{1}{k}.Sn=∑k=1n(Xk−1k), B2n=∑k=1nk−1k2Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2S_n=\sum^{n}_{k=1}\left(X_k-\frac{1}{k}\right), \ B_n^2=\sum^{n}_{k=1}\frac{k-1}{k^2}SnBnSnBn\frac{S_n}{B_n}ZZZnnn Nỗ lực của tôi là sử dụng Lyapunov CLT, do đó chúng tôi cần …

1
MLE của bất thường không bình thường khi ?
Giả sử có pdf(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Mật độ của mẫu được rút ra từ quần thể này là do(X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} Công cụ ước tính khả năng tối đa của có thể được suy ra làθθ\theta …



2
Chứng minh hoặc cung cấp một ví dụ: Nếu , thìXnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX(∏ni=1Xi)1/n(∏i=1nXi)1/n(\prod_{i=1}^{n}X_i)^{1/n} →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX Nỗ lực của tôi : SAI: Giả sử có thể nhận các giá trị âm và giả sửXXXXn≡XXn≡XX_n \equiv X ∀∀\forall nnn THEN , tuy nhiên đối với , …




1
R hồi quy tuyến tính biến phân loại Biến ẩn giá trị
Đây chỉ là một ví dụ mà tôi đã bắt gặp nhiều lần, vì vậy tôi không có bất kỳ dữ liệu mẫu nào. Chạy mô hình hồi quy tuyến tính trong R: a.lm = lm(Y ~ x1 + x2) x1là một biến liên tục. x2là phân loại và có …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.