«gamma-distribution» etiketlenmiş sorular

Kesinlikle pozitif iki parametre ile endekslenen negatif olmayan sürekli olasılık dağılımı.

1
Y yoğunluğu = Gamma dağıtılmış X için log (X)
Bu soru bu yazı ile yakından ilgili Rastgele bir değişkenim var ve tanımlıyorum . olasılık yoğunluk fonksiyonunu bulmak istiyorum .Y = log ( X ) YX∼ Gama ( k , θ )X~Gama(k,θ)X \sim \text{Gamma}(k, \theta)Y= günlük( X)Y=günlük⁡(X)Y = \log(X)YYY Başlangıçta sadece kümülatif dağılım fonksiyonu X'i tanımlayacağımı, bir değişken değişikliği yapacağımı …

2
Kare Gama Beklentisi
Bir Gama dağılımı ve ile parametrelendirilirse , o zaman:αα\alphaββ\beta E(Γ(α,β))=αβE(Γ(α,β))=αβ E(\Gamma(\alpha, \beta)) = \frac{\alpha}{\beta} Bir kare Gama beklentisini hesaplamak istiyorum, yani: E(Γ(α,β)2)=?E(Γ(α,β)2)=? E(\Gamma(\alpha, \beta)^2) = ? Ben düşünüyorum öyle: E(Γ(α,β)2)=(αβ)2+αβ2E(Γ(α,β)2)=(αβ)2+αβ2 E(\Gamma(\alpha, \beta)^2) = \left(\frac{\alpha}{\beta}\right)^2 + \frac{\alpha}{\beta^2} Bu son ifadenin doğru olup olmadığını bilen var mı?

1
Hiyerarşik Gamma-Poisson modeli için aşırı yoğunluk
Verileri bir hiyerarşik model içerisinde burada \ lambda \ sim \ textrm {Gama} (\ a \ P) uygulamada tipik olarak görünmektedir değerlerine (seçilmek için \ alfa, \ beta) gama dağılımının ortalaması ve varyansı kabaca y verilerinin ortalaması ve varyansı ile kabaca eşleşecektir (örneğin, Clayton ve Kaldor, 1987 "Hastalık Haritalaması için …

2
Sıfır şişirilmiş gama modellerinin doğru kullanımı ve yorumlanması
Arka plan: Ben şu anda hücresel ekspresyon oranları veri kümesi ile güreşen bir biyoistatistim. Çalışma , çeşitli donörlerden gruplar halinde toplanan bir dizi hücreyi belirli peptitlere maruz bıraktı . Hücreler ya yanıt olarak belirli biyobelirteçleri ifade eder ya da söylemezler. Yanıt oranları daha sonra her donör grubu için kaydedilir. Yanıt …

2
Yüzde verilerinin dağılımı
Verilerimle bir model oluşturmak için kullanılacak doğru dağıtım hakkında bir sorum var. 50 arsa ile bir orman envanteri yaptım, her arsa 20m × 50m ölçülerinde. Her arsa için, zemini gölgeleyen ağaç gölgelik yüzdesini tahmin ettim. Her çizimin gölgelik örtüsü için yüzde olarak bir değeri vardır. Yüzdeler 0 ila 0.95 arasındadır. …

1
Üstel ve gama arasındaki dağılımın adı?
F ( s ) ∝ s yoğunluğuf( s ) ∝ ss + αe- s,s > 0f(s)∝ss+αe−s,s>0f(s)\propto \frac{s}{s+\alpha}e^{-s},\quad s > 0 buradaα ≥ 0α≥0\alpha \ge 0 olan bir parametre, üstel (arasında yaşayanα = 0α=0\alpha=0 ) veΓ(2,1)Γ(2,1)\Gamma(2,1) (α→∞α→∞\alpha \to \infty ) dağılımlar. Sadece bunun daha genel bir dağıtım ailesine örnek olup olmadığını …

2
Gamma rasgele değişkenlerinin farkı
İki bağımsız rastgele değişken ve Y ∼ G a m m a ( α Y , β Y ) verildiğinde, farkın dağılımı nedir, yani D = X - Y ?X~ G bir m m bir ( αX, βX)X∼Gamma(αX,βX)X\sim \mathrm{Gamma}(\alpha_X,\beta_X)Y~ G bir m m bir ( αY, βY)Y∼Gamma(αY,βY)Y\sim \mathrm{Gamma}(\alpha_Y,\beta_Y)D = X- …

1
Bir grafikte takılı grafik ve gerçek gama dağılımı grafiği nasıl çizilir?
Gerekli paketi yükleyin. library(ggplot2) library(MASS) Gama dağılımına uygun 10.000 sayı oluşturun. x <- round(rgamma(100000,shape = 2,rate = 0.2),1) x <- x[which(x>0)] Olasılık yoğunluğu fonksiyonunu çizin, x'in hangi dağılımı taktığını bilmiyoruz. t1 <- as.data.frame(table(x)) names(t1) <- c("x","y") t1 <- transform(t1,x=as.numeric(as.character(x))) t1$y <- t1$y/sum(t1[,2]) ggplot() + geom_point(data = t1,aes(x = x,y = …

3
İstatistiklerin gama dağılımından bağımsızlığı
İzin Vermek X1,...,XnX1,...,XnX_1,...,X_n gama dağılımından rastgele bir örnek olun .Gamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Let ve , sırasıyla örnek ortalaması ve örnek varyans olabilir.X¯X¯\bar{X}S2S2S^2 Ardından ve bağımsız olduğunu kanıtlayın veya onaylayın .X¯X¯\bar{X}S2/X¯2S2/X¯2S^2/\bar{X}^2 Denemem: , ve bağımsızlığını kontrol , ama aralarındaki bağımsızlığı nasıl tesis etmeliyim?S2/X¯2=1n−1∑ni=1(XiX¯−1)2S2/X¯2=1n−1∑i=1n(XiX¯−1)2S^2/\bar{X}^2 = \frac{1}{n-1} \sum_{i=1}^n \left(\frac{X_i}{\bar{X}}-1\right)^2 X¯X¯\bar{X}(XiX¯)ni=1(XiX¯)i=1n\left(\frac{X_i}{\bar{X}} \right)_{i=1}^{n}

1
Gama ailesine sahip bir GLM'de alfa'nın pratik anlamı nedir?
Formun birkaç modeline uyuyorum. glm(DV ~ I(1/IV), family = Gamma(link = "log") ..ve farklı değişkenler için elde edilen modelleri karşılaştırmanın yollarını arıyorum. Alfa değerinin herhangi bir pratik kullanım olup olmadığını merak ediyorum? Aşağıdaki üç çizim için alfa değerleri 17.85, 9.03 ve 6.27'dir. Bu değerler verilerimi yorumlamama veya farklı değişkenleri karşılaştırmama …


2
Veriler için ROC eğrisini hesapla
Bu yüzden, Hamming Distance kullanarak biyometrik özellikteki bir kişinin kimliğini doğrulamaya çalıştığım 16 denemem var. Eşik değer 3,5'e ayarlandı. Verilerim aşağıda ve yalnızca deneme 1 Gerçek Olumludur: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 0.32 9 0.39 10 0.45 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.