Câu hỏi được gắn thẻ «joint-distribution»

Phân phối xác suất chung của một số biến ngẫu nhiên đưa ra xác suất mà tất cả chúng đồng thời nằm trong một vùng cụ thể.


1
Giới hạn trên cho mật độ copula?
Giới hạn trên của Hoéffding Hoeffding áp dụng cho chức năng phân phối copula và nó được đưa ra bởi C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. Có một sự tương tự (theo nghĩa là nó phụ thuộc vào mật độ biên) giới hạn trên của mật độ copula c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) thay vì CDF? Bất kỳ …


3
Ước tính khả năng tối đa của phân phối chung chỉ đưa ra số lượng biên
Đặt là phân phối chung của hai biến phân loại , với . Giả sử mẫu được rút ra từ phân phối này, nhưng chúng tôi chỉ được tính tổng số biên, cụ thể là cho :px,ypx,yp_{x,y}X,YX,YX,Yx,y∈{1,…,K}x,y∈{1,…,K}x,y\in\{1,\ldots,K\}nnnj=1,…,Kj=1,…,Kj=1,\ldots,K Sj=∑i=1nδ(Xi=l),Tj=∑i=1nδ(Yi=j),Sj=∑i=1nδ(Xi=l),Tj=∑i=1nδ(Yi=j), S_j = \sum_{i=1}^{n}{\delta(X_i=l)}, T_j = \sum_{i=1}^{n}{\delta(Y_i=j)}, Công cụ ước tính khả năng …



2
Liệu Định lý giới hạn trung tâm đa biến (CLT) có giữ được khi các biến thể hiện sự phụ thuộc hoàn toàn đương thời không?
Tiêu đề tổng hợp câu hỏi của tôi, nhưng để rõ ràng hãy xem xét ví dụ đơn giản sau đây. Đặt , i = 1, ..., n . Xác định: \ started {phương trình} S_n = \ frac {1} {n} \ sum_ {i = 1} ^ n X_i \ …

1
Làm thế nào để so sánh các sự kiện quan sát so với dự kiến?
Giả sử tôi có một mẫu tần số gồm 4 sự kiện có thể xảy ra: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 và tôi có xác suất dự kiến ​​của các sự kiện của tôi sẽ xảy ra: p1 - 0.2 p2 - 0.1 …
9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

1
Khoảng cách giữa các biến ngẫu nhiên thống nhất rời rạc
Đặt là iid các biến ngẫu nhiên thống nhất rời rạc trên (0,1) và thống kê thứ tự của chúng là . n U ( 1 ) , Mạnh , U ( n )U1,…,UnU1,…,UnU_1, \ldots, U_nnnnU(1),…,U(n)U(1),…,U(n)U_{(1)}, \ldots, U_{(n)} Xác định cho với .Di=U(i)−U(i−1)Di=U(i)−U(i−1)D_i=U_{(i)}-U_{(i-1)}i=1,…,ni=1,…,ni=1, \ldots, nU0=0U0=0U_0=0 Tôi đang cố gắng tìm …

1
Là phân phối entropy tối đa phù hợp với phân phối biên đã cho phân phối sản phẩm của các lề?
Nhìn chung, có nhiều phân phối chung phù hợp với phân phối biên đã đặt .P(X1=x1,X2=x2,...,Xn=xn)P(X1=x1,X2=x2,...,Xn=xn)P(X_1 = x_1, X_2 = x_2, ..., X_n = x_n)fi(xi)=P(Xi=xi)fi(xi)=P(Xi=xi)f_i(x_i) = P(X_i = x_i) Trong số các bản phân phối chung này, sản phẩm có được hình thành bằng cách lấy sản phẩm của lề …






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.