Câu hỏi được gắn thẻ «independence»

Các sự kiện (hoặc các biến ngẫu nhiên) là độc lập khi thông tin về một số trong số chúng không cho bạn biết gì về xác suất xảy ra (/ phân phối) của các sự kiện khác. Vui lòng KHÔNG sử dụng thẻ này để sử dụng biến độc lập [dự đoán].


3
Độc lập thống kê trong thế giới thực
Tôi đọc bài viết sau đây về độc lập thống kê . Tóm lại, bài báo lập luận rằng "Đã đến lúc khoa học phải từ bỏ viễn tưởng về sự độc lập thống kê" và tiếp tục giải thích những lý do khác nhau tại sao. Đọc xong bài …

1
Phỏng đoán liên quan đến Luật Kolmogorov 0-1 (cho các sự kiện)
Đặt là không gian xác suất. Phỏng đoán:(Ω,F,P)(Ω,F,P)(\Omega, \mathscr F, \mathbb P) Giả sử chúng ta có các sự kiện st , hoặc . tại một chuỗi các sự kiện độc lập stA1,A2,...A1,A2,...A_1, A_2, ...∀ A∈⋂nσ(An,An+1,...)∀ A∈⋂nσ(An,An+1,...)\forall \ A \in \bigcap_n \sigma(A_n, A_{n+1}, ...)P(A)=0P(A)=0P(A) = 0111B1,B2,...B1,B2,...B_1, B_2, ... τAn:=⋂nσ(An,An+1,...)=⋂nσ(Bn,Bn+1,...):=τBnτAn:=⋂nσ(An,An+1,...)=⋂nσ(Bn,Bn+1,...):=τBn\tau_{A_n} := …










1
Hiển thị và là độc lập: tìm kiếm giải pháp cho vấn đề sách giáo khoa này
Trong phần Giới thiệu về Mô hình tuyến tính tổng quát của Dobson và Barnett, bài tập 1.4b & c như sau: Đặt là các biến ngẫu nhiên độc lập, mỗi biến có phân phối . Đặt và . ...Y1,...,YnY1,...,YnY_1,...,Y_nN(μ,σ2)N(μ,σ2)N(\mu,\sigma^2)Y¯¯¯¯=1n∑ni=1YiY¯=1n∑i=1nYi\overline{Y}=\frac{1}{n}\sum_{i=1}^{n}Y_iS2=1n−1∑ni=1(Yi−Y¯¯¯¯)2S2=1n−1∑i=1n(Yi−Y¯)2S^2=\frac{1}{n-1}\sum_{i=1}^{n}(Y_i-\overline{Y})^2 b. Chứng tỏ rằngS2=1n−1[∑ni=1(Yi−μ)2−n(Y¯¯¯¯−μ)2]S2=1n−1[∑i=1n(Yi−μ)2−n(Y¯−μ)2]S^2 = \frac{1}{n-1}[\sum_{i=1}^{n}(Y_i-\mu)^2-n(\overline{Y}-\mu)^2] c. Từ (b) theo …


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.