Câu hỏi được gắn thẻ «self-study»

Một bài tập thông thường từ sách giáo khoa, khóa học hoặc bài kiểm tra được sử dụng cho một lớp học hoặc tự học. Chính sách của cộng đồng này là "cung cấp gợi ý hữu ích" cho những câu hỏi như vậy thay vì câu trả lời hoàn chỉnh.

2
Chứng minh hoặc cung cấp một ví dụ: Nếu , thìXnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX(∏ni=1Xi)1/n(∏i=1nXi)1/n(\prod_{i=1}^{n}X_i)^{1/n} →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX Nỗ lực của tôi : SAI: Giả sử có thể nhận các giá trị âm và giả sửXXXXn≡XXn≡XX_n \equiv X ∀∀\forall nnn THEN , tuy nhiên đối với , …
4
Tôi muốn hiển thị
Đặt là biến ngẫu nhiên trên không gian xác suất .show rằngX:Ω→NX:Ω→NX:\Omega \to \mathbb N(Ω,B,P)(Ω,B,P)(\Omega,\mathcal B,P)E(X)=∑n=1∞P(X≥n).E(X)=∑n=1∞P(X≥n).E(X)=\sum_{n=1}^\infty P(X\ge n). định nghĩa của tôi từ bằng E(X)E(X)E(X)E(X)=∫ΩXdP.E(X)=∫ΩXdP.E(X)=\int_\Omega X \, dP. Cảm ơn.
1
Đề nghị kiểm tra thống kê
Tôi cần tìm một bài kiểm tra thống kê thích hợp (kiểm tra tỷ lệ khả năng, kiểm tra t, v.v.) trên các mục sau: Đặt là một mẫu iid của một véc tơ ngẫu nhiên ( X ; Y ) và cho rằng ( Y X ) ~ N …
1
Tại sao Anova () và drop1 () cung cấp các câu trả lời khác nhau cho GLMM?
Tôi có một GLMM có dạng: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Khi tôi sử dụng drop1(model, test="Chi"), tôi nhận được kết quả khác với nếu tôi sử dụng Anova(model, type="III")từ gói xe hơi hoặc summary(model). Hai cái sau cho cùng một …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
Phân phối sự khác biệt của hai biến thống nhất độc lập, bị cắt ở 0
Đặt và là hai biến ngẫu nhiên độc lập có cùng phân bố với mật độXXXYYYU(0,1)U(0,1)U(0,1) f(x)=1f(x)=1f(x)=1 nếu (và ở nơi khác).0≤x≤10≤x≤10≤x≤1000 Đặt là biến ngẫu nhiên thực được xác định bởi:ZZZ Z=X−YZ=X−YZ=X-Y nếu (và ở nơi khác).X>YX>YX>Y000 Rút ra sự phân bố của .ZZZ Tính toán kỳ vọng và …
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.