Câu hỏi được gắn thẻ «pdf»

Hàm mật độ xác suất (PDF) của một biến ngẫu nhiên liên tục đưa ra xác suất tương đối cho mỗi giá trị có thể của nó. Sử dụng thẻ này cho các hàm khối xác suất rời rạc (PMF) quá.

5
Làm thế nào để thực hiện việc cắt bỏ các giá trị trong số lượng điểm dữ liệu rất lớn?
Tôi có một bộ dữ liệu rất lớn và thiếu khoảng 5% giá trị ngẫu nhiên. Các biến này có mối tương quan với nhau. Ví dụ R tập dữ liệu sau đây chỉ là một ví dụ đồ chơi với dữ liệu tương quan giả. set.seed(123) # matrix of …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Sự khác biệt giữa PROC Hỗn hợp và lme / lmer trong R - bậc tự do
Lưu ý: câu hỏi này là một bài đăng lại, vì câu hỏi trước đây của tôi đã bị xóa vì lý do pháp lý. Trong khi so sánh PROC MIXED từ SAS với chức năng lmetừ nlmegói trong R, tôi tình cờ thấy một số khác biệt khá khó …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
1
Biến đổi tuyến tính của một biến ngẫu nhiên bằng một ma trận hình chữ nhật cao
X⃗ ∈RnX→∈Rn\vec{X} \in \mathbb{R}^nfX⃗ (x⃗ )fX→(x→)f_\vec{X}(\vec{x})n×nn×nn \times nAAAY⃗ =AX⃗ Y→=AX→\vec{Y} = A\vec{X}Y⃗ Y→\vec{Y}fY⃗ (y⃗ )=1|detA|fX⃗ (A−1y⃗ ).fY→(y→)=1|detA|fX→(A−1y→). f_{\vec{Y}}(\vec{y}) = \frac{1}{\left|\det A\right|}f_{\vec{X}}(A^{-1}\vec{y}). Bây giờ nói rằng chúng ta transform thay vì bởi một m \ times n ma trận B , với m> n , cho \ vec {Z} = B …
1
Mật độ của Y = log (X) cho X phân phối Gamma
Câu hỏi này liên quan chặt chẽ đến bài đăng này Giả sử tôi có một biến ngẫu nhiên và tôi xác định . Tôi muốn tìm ra hàm mật độ xác suất của .X∼Gamma(k,θ)X∼Gamma(k,θ)X \sim \text{Gamma}(k, \theta)Y=log(X)Y=log⁡(X)Y = \log(X)YYY Ban đầu tôi đã nghĩ rằng tôi sẽ chỉ định …
1
Làm cách nào để điều chỉnh một tệp PDF gần đúng (nghĩa là: ước tính mật độ) bằng cách sử dụng khoảnh khắc k (theo kinh nghiệm) đầu tiên?
Tôi có một tình huống mà tôi có thể ước tính (lần đầu tiên) khoảnh khắc của tập dữ liệu và muốn sử dụng nó để tạo ước tính của hàm mật độ.kkk Tôi đã bắt gặp bản phân phối Pearson , nhưng nhận ra nó chỉ dựa vào 4 …
1
Tại sao ( bị kiểm duyệt)
Trong một vấn đề đặt ra, tôi đã chứng minh "bổ đề" này, kết quả không trực quan với tôi. là một phân phối chuẩn thông thường trong một mô hình bị kiểm duyệt.ZZZ Chính thức, và . Sau đó, Vì vậy, có một số loại kết nối giữa công …
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.