Câu hỏi được gắn thẻ «distributions»

Một phân phối là một mô tả toán học của xác suất hoặc tần số.

1
trong đó và được phân phối một cách hợp lý
Tôi đang cố gắng tính toán kỳ vọng cho (đối với , kỳ vọng là vô hạn) nếu được phân phối lognormally, tức là .E[ecX]E[ecX]E[e^{cX}]c&lt;0c&lt;0c<0c&gt;0c&gt;0c>0XXXlog(X)∼N(μ,σ)log⁡(X)∼N(μ,σ)\log(X) \sim N(\mu, \sigma) Ý tưởng của tôi là viết kỳ vọng dưới dạng tích phân, nhưng tôi không thấy cách tiến hành: E[ecX]=12σπ−−−√∫∞01xexp(cx−(logx−μ)22σ2)dxE[ecX]=12σπ∫0∞1xexp⁡(cx−(log⁡x−μ)22σ2)dxE[e^{cX}] = \frac{1}{\sqrt{2\sigma\pi}}\int_0^\infty …
1
Phân phối thương số Rayleigh
Đối với một dự án nghiên cứu, tôi cần tìm giá trị mong đợi của thương số Rayleigh tổng quát: Dưới đây Một và B là xác định xác định dương p x p ma trận hiệp phương sai, và w tuân theo phân phối đa biến với dòng độ …
1
Kiểm tra sự quá mức trong hồi quy logistic
R in Action (Kabacoff, 2011) gợi ý thói quen sau đây để kiểm tra sự quá mức trong hồi quy logistic: Phù hợp với hồi quy logistic bằng phân phối nhị thức: model_binom &lt;- glm(Species=="versicolor" ~ Sepal.Width, family=binomial(), data=iris) Phù hợp với hồi quy logistic bằng phân phối quasibinomial: model_overdispersed …
2
Tại sao một mô hình thống kê sẽ phù hợp hơn nếu được cung cấp một bộ dữ liệu khổng lồ?
Dự án hiện tại của tôi có thể yêu cầu tôi xây dựng một mô hình để dự đoán hành vi của một nhóm người nhất định. tập dữ liệu huấn luyện chỉ chứa 6 biến (id chỉ dành cho mục đích nhận dạng): id, age, income, gender, job category, …
8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 
2
Tỷ lệ khả năng phân phối theo hàm mũ hai mẫu
Đặt XXX và YYY là hai biến ngẫu nhiên độc lập với pdf tương ứng: f(x;θi)={1θie−x/θi0&lt;x&lt;∞,0&lt;θi&lt;∞0elsewheref(x;θi)={1θie−x/θi0&lt;x&lt;∞,0&lt;θi&lt;∞0elsewheref \left(x;\theta_i \right) =\begin{cases} \frac{1}{\theta_i} e^{-x/ {\theta_i}} \quad 0<x<\infty, 0<\theta_i< \infty \\ 0 \quad \text{elsewhere} \end{cases} cho . Hai mẫu độc lập được rút ra để kiểm tra so với có kích thước và từ …
2
Lỗi tiêu chuẩn của ước tính phân phối hyperbolic sử dụng phương pháp delta?
Tôi muốn tính toán các lỗi tiêu chuẩn của phân phối hyperbol được trang bị. Theo ký hiệu của tôi, mật độ được đưa ra bởi Tôi đang sử dụng gói HyperbolicDistr trong R. Tôi ước tính các tham số thông qua lệnh sau:H(l;α,β,μ,δ)=α2−β2−−−−−−√2αδK1(δα2−β2−−−−−−√)exp(−αδ2+(l−μ)2−−−−−−−−−−√+β(l−μ))H(l;α,β,μ,δ)=α2−β22αδK1(δα2−β2)exp(−αδ2+(l−μ)2+β(l−μ))\begin{align*} H(l;\alpha,\beta,\mu,\delta)&=\frac{\sqrt{\alpha^2-\beta^2}}{2\alpha \delta K_1 (\delta\sqrt{\alpha^2-\beta^2})} exp\left(-\alpha\sqrt{\delta^2+(l-\mu)^2}+\beta(l-\mu)\right) \end{align*} …
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.