Câu hỏi được gắn thẻ «normal-distribution»

Phân phối bình thường, hoặc Gaussian, có hàm mật độ là một đường cong hình chuông đối xứng. Đây là một trong những phân phối quan trọng nhất trong thống kê. Sử dụng thẻ [Normality] để hỏi về kiểm tra tính quy tắc.

1
Lý thuyết đằng sau việc kiểm tra xem
Giả sử rằng , trong đó được biết đến. Sử dụng dữ liệu này, chúng tôi muốn kiểm tra xem , nghĩa là, liệu trung bình có phải là số hữu tỷ hay không.Xi∼i.i.d.N(μ,σ2)Xi∼i.i.d.N(μ,σ2)X_i \stackrel{\mbox{i.i.d.}}{\sim} \mathcal{N} (\mu, \sigma^2)σ2σ2\sigma^2μ∈Qμ∈Q\mu \in \mathbb{Q}μμ\mu Có vẻ như trực giác rõ ràng rằng chúng ta …



1
Cov (X, Y) là gì, trong đó X = min (U, V) và Y = max (U, V) cho các biến U và V độc lập (0,1) độc lập?
Để cho: U,V∼i.i.d.N(0,1)U,V∼i.i.d.N(0,1)U, V \overset{i.i.d.}{\sim} \mathcal{N}(0,1) , tức là các biến ngẫu nhiên chuẩn thông thường độc lập. X=min(U,V)X=min(U,V)X=\min(U,V) Y=max(U,V)Y=max(U,V)Y=\max(U,V) Hiệp phương sai của XXX và YYY gì? Liên quan: Cov (X, Y) là gì, trong đó X = min (U, V) và Y = max (U, V) cho thống …



1
Hệ số chuẩn hóa trong Gaussian đa biến
(Đây có thể là một câu hỏi ngớ ngẩn, nhưng tôi tò mò.) Gaussian PDF đa biến thường được viết giống như thế này 1(2π)d|Σ|−−−−−−−√exp(−12(x−μ)TΣ−1(x−μ))1(2π)d|Σ|exp⁡(−12(x−μ)TΣ−1(x−μ)) \frac{1}{\sqrt{(2\pi)^{d}\lvert \boldsymbol\Sigma\rvert}} \exp\left(-\frac{1}{2}({\mathbf x}-{\boldsymbol\mu})^\mathrm{T}{\boldsymbol\Sigma}^{-1}({\mathbf x}-{\boldsymbol\mu}) \right) trong đó là thứ nguyên của (ví dụ: phần trên được lấy từ Wikipedia ).dddxx\mathbf x Tuy nhiên, dường …

1
Mối quan hệ giữa Poisson, nhị thức, phân phối nhị thức âm và phân phối chuẩn
Khi chúng ta phải xác định phân phối số lượng rời rạc, chúng ta thường sử dụng: Phân phối Poisson, nếu có nghĩa là = phương sai Phân phối nhị thức, nếu có nghĩa là> phương sai Phân phối nhị thức âm, nếu có nghĩa là <phương sai Câu hỏi …

1
Tích của hai biến ngẫu nhiên logic
Để cho X1X1X_1 và X2X2X_2là hai biến ngẫu nhiên bình thường. ViếtX1∼N(μ1,σ21)X1∼N(μ1,σ12)X_1\sim N(\mu_1, \sigma^2_1) và X2∼N(μ2,σ22)X2∼N(μ2,σ22)X_2\sim N(\mu_2, \sigma^2_2), để sửa ý tưởng. Xem xét các biến ngẫu nhiên log-normal tương ứng: Z1=exp(X1)Z1=exp⁡(X1)Z_1 = \exp(X_1), Z2=exp(X2)Z2=exp⁡(X2)Z_2 = \exp(X_2). Câu hỏi: phân phối sản phẩm của hai biến ngẫu nhiên là gì, …

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.