Câu hỏi được gắn thẻ «random-variable»

Một biến ngẫu nhiên hoặc biến ngẫu nhiên là một giá trị có thể thay đổi cơ hội (nghĩa là tính ngẫu nhiên theo nghĩa toán học).

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 …

2
pdf của một sản phẩm của hai biến ngẫu nhiên thống nhất độc lập
Đặt ~ U ( 0 , 2 ) và Y ~ U ( - 10 , 10 ) là hai biến ngẫu nhiên độc lập với các phân phối đã cho. Phân phối của V = X Y là gì?XXXU(0,2)U(0,2)U(0,2)YYYU(−10,10)U(−10,10)U(-10,10)V=XYV=XYV=XY Tôi đã thử tích chập, biết rằng h(v)=∫y=+∞y=−∞1yfY(y)fX(vy)dyh(v)=∫y=−∞y=+∞1yfY(y)fX(vy)dyh(v) = \int_{y=-\infty}^{y=+\infty}\frac{1}{y}f_Y(y) …





2
Nếu và là các biến Bình thường độc lập, mỗi biến có giá trị trung bình bằng 0, thì cũng là một biến Bình thường
Tôi đang cố gắng chứng minh tuyên bố: Nếu và là các biến ngẫu nhiên độc lập,X∼N(0,σ21)X∼N(0,σ12)X\sim\mathcal{N}(0,\sigma_1^2)Y∼N(0,σ22)Y∼N(0,σ22)Y\sim\mathcal{N}(0,\sigma_2^2) thì cũng là một biến ngẫu nhiên bình thường.XYX2+Y2√XYX2+Y2\frac{XY}{\sqrt{X^2+Y^2}} Đối với trường hợp đặc biệt (giả sử), chúng tôi có kết quả nổi tiếng rằng bất cứ khi nào và là các biến …


2
Phương sai của hai biến ngẫu nhiên có trọng số
Để cho: Độ lệch chuẩn của biến ngẫu nhiênA=σ1=5A=σ1=5A =\sigma_{1}=5 Độ lệch chuẩn của biến ngẫu nhiênB=σ2=4B=σ2=4B=\sigma_{2}=4 Khi đó phương sai của A + B là: Var(w1A+w2B)=w21σ21+w22σ22+2w1w2p1,2σ1σ2Var(w1A+w2B)=w12σ12+w22σ22+2w1w2p1,2σ1σ2Var(w_{1}A+w_{2}B)= w_{1}^{2}\sigma_{1}^{2}+w_{2}^{2}\sigma_{2}^{2} +2w_{1}w_{2}p_{1,2}\sigma_{1}\sigma_{2} Ở đâu: p1,2p1,2p_{1,2} là mối tương quan giữa hai biến ngẫu nhiên. w1w1w_{1} là trọng số của biến ngẫu nhiên A …

1
Làm thế nào để xác định một phân phối sao cho rút ra từ nó tương quan với một phân phối từ một phân phối được chỉ định trước khác?
Làm cách nào để xác định phân phối của biến ngẫu nhiên sao cho một lần rút từ có tương quan với , trong đó là một lần rút từ một phân phối có hàm phân phối tích lũy ? YYYYYYρρ\rhox1x1x_1x1x1x_1FX(x)FX(x)F_{X}(x)




2
Một mẫu của một biến ngẫu nhiên là gì?
Biến ngẫu nhiên được định nghĩa là một hàm có thể đo được từ một - với số đo cơ bản đến một - khác .XXXσσ\sigma(Ω1,F1)(Ω1,F1)(\Omega_1, \mathcal F_1)PPPσσ\sigma(Ω2,F2)(Ω2,F2)(\Omega_2, \mathcal F_2) Làm thế nào để chúng ta nói về một mẫu của biến ngẫu nhiên này? Chúng ta có coi nó …


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.