«moments» etiketlenmiş sorular

Momentlerin ne olduğunu ve nasıl hesaplanacağını ve moment oluşturma fonksiyonunu daha yüksek dereceli momentler elde etmek için nasıl kullanacağımı biliyorum. Evet, matematiği biliyorum. Şimdi istatistik bilgilerimi iş için yağlamam gerektiğine göre, bu soruyu sorabilirim diye düşündüm - birkaç yıldan beri beni rahatsız ediyordu ve üniversiteye geri döndüğümde hiçbir profesör cevabı …

65 distributions  terminology  moments  intuition 

Sonlu ortalama ve sonsuz değişkenlik içeren bir dağılım moment oluşturma işlevine sahip olabilir mi? Sonlu ortalama ve sonlu varyanslı, ancak sonsuz yüksek anlara sahip bir dağılıma ne dersiniz?

28 variance  moments  mgf 

Bir lognormal dağılımın örneklemesini ve örneklemesini ve anları anlarını iki yöntemle tahmin etmeye çalışan bazı sayısal deneyler yapıyorum :X∼LN(μ,σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma)E[Xn]E[Xn]\mathbb{E}[X^n] örnek ortalamasına bakmakXnXnX^n Tahmin ve için örnek bir yöntem kullanarak , ve daha sonra bir lognormal dağılım için, var olduğu gerçeğini kullanarak .μμ\muσ2σ2\sigma^2log(X),log2(X)log⁡(X),log2⁡(X)\log(X), \log^2(X)E[Xn]=exp(nμ+(nσ)2/2)E[Xn]=exp⁡(nμ+(nσ)2/2)\mathbb{E}[X^n]=\exp(n \mu + (n \sigma)^2/2) Soru şudur …

25 estimation  bias  lognormal  moments 

Normal bir dağılımı tahmin etmek için saf bir yöntem , [ 0 , 1 ] üzerine eşit olarak dağıtılmış belki 100100100 IID rastgele değişkeni bir araya getirmek , sonra Merkezi Limit Teoremine dayanarak yeniden girmek ve yeniden ölçeklendirmektir. ( Yan not : Box-Muller dönüşümü gibi daha doğru yöntemler vardır .) …

20 normal-distribution  central-limit-theorem  moments  approximation 

göç math.stackexchange . Uzun bir tamsayı akışı işliyorum ve çok fazla veri saklamadan akış için çeşitli yüzdelikleri yaklaşık olarak hesaplayabilmek için birkaç dakikayı izlemeyi düşünüyorum. Birkaç andan itibaren persentilleri hesaplamanın en basit yolu nedir? Yalnızca az miktarda veri depolamayı içeren daha iyi bir yaklaşım var mı?

20 algorithms  mathematical-statistics  moments 

Belirli özellikleri tanımlamak için dağılımın ikinci, üçüncü ve dördüncü momentlerini kullanmak normaldir. Kısmi momentler veya dördüncü dereceden daha yüksek momentler bir dağılımın faydalı özelliklerini tanımlar mı?

20 distributions  moments  partial-moments 

Çoğunlukla teorik soru. İlk dört momenti normalinkine eşit olan normal olmayan dağılım örnekleri var mı? Teoride var olabilirler mi?

20 normal-distribution  skewness  moments  theory  kurtosis 

Tipik olarak, tüm popülasyon parametrelerini tahmin edene kadar "nüfus anlarını örnek karşılıklarına eşitleyerek" moment tahmin yöntemine giriyoruz; böylece, normal dağılım durumunda, sadece birinci ve ikinci anlara ihtiyacımız olur çünkü bu dağılımı tam olarak tanımlarlar. E(X)=μ⟹∑ni=1Xi/n=X¯E(X)=μ⟹∑i=1nXi/n=X¯E(X) = \mu \implies \sum_{i=1}^n X_i/n = \bar{X} E(X2)=μ2+σ2⟹∑ni=1X2i/nE(X2)=μ2+σ2⟹∑i=1nXi2/nE(X^2) = \mu^2 + \sigma^2 \implies \sum_{i=1}^n X_i^2/n …

19 mathematical-statistics  lognormal  moments  method-of-moments 

Wackerly ark metin ve bildiren teoremi "olsun ve sırası ile, rastgele değişkenlerin, X ve Y momenti üreten fonksiyonlarını belirtir. Her iki moment üreten fonksiyonlar bulunur ve varsa tüm t değerleri için, X ve Y aynı olasılık dağılımına sahiptir. " metnin kapsamı dışında olduğunu söyleyen bir kanıt olmadan. Scheaffer Young'ın da …

19 mathematical-statistics  references  moments  proof  mgf 

Let BtBtB_t standart Brownian hareketi. Let Ej,nEj,nE_{j, n} ifade etkinlik {Bt=0 for some j−12n≤t≤j2n},{Bt=0 for some j−12n≤t≤j2n},\left\{B_t = 0 \text{ for some }{{j-1}\over{2^n}} \le t \le {j\over{2^n}}\right\},ve izin1O anlamına gelir göstergesi işlevi. Orada var mıρ>0öyle ki içinP{Kn≥ρ2n}≥ρherkes içinnKn=∑j=2n+122n1Ej,n,Kn=∑j=2n+122n1Ej,n,K_n = \sum_{j = 2^n + 1}^{2^{2n}} 1_{E_{j,n}},111ρ>0ρ>0\rho > 0P{Kn≥ρ2n}≥ρP{Kn≥ρ2n}≥ρ\mathbb{P}\{K_n \ge \rho2^{n}\} \ge …

18 probability  self-study  moments  distributions  brownian 

Normal dağılımın basıklığının 3 olduğu ifadesiyle ne kastedilmektedir? Yatay çizgi üzerinde 3 değerinin tepe olasılığa karşılık geldiği anlamına mı geliyor, yani 3 sistemin modu mu? Normal bir eğriye baktığımda, zirve merkezde, yani 0'da ortaya çıkıyor gibi görünüyor.

18 normal-distribution  moments  kurtosis 

Moment üreten fonksiyon ile karakteristik fonksiyon arasındaki bağlantıyı anlamaya çalışıyorum. Moment üreten fonksiyon şu şekilde tanımlanır: MX( t ) = E( exp( t X) ) = 1 + t E( X)1+ t2E( X2)2 !+ ⋯ + tnE( Xn)n !MX(t)=E(tecrübe⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} …

17 probability  moments  mgf  method-of-moments  characteristic-function 

Aşağıda, buradaki ve buradaki önceki yayınlara benzer ancak farklı Tüm siparişlerin momentlerini kabul eden iki dağılım göz önüne alındığında, iki dağılımın tüm momentleri aynı ise, aynı dağıtımlar ae mıdır? Moment üreten fonksiyonları kabul eden iki dağılım göz önüne alındığında, eğer aynı momentlere sahiplerse, moment üreten fonksiyonları aynı mıdır?

17 distributions  lognormal  moments  mgf 

Üstel ağırlıklı hareketli ortalamaları ve bir işlemin standart sapmalarını hesaplamak için iyi bilinen çevrimiçi formüller vardır (xn)n=0,1,2,…(xn)n=0,1,2,…(x_n)_{n=0,1,2,\dots} . Ortalama olarak, μn=(1−α)μn−1+αxnμn=(1−α)μn−1+αxn\mu_n = (1-\alpha) \mu_{n-1} + \alpha x_n ve varyans için σ2n=(1−α)σ2n−1+α(xn−μn−1)(xn−μn)σn2=(1−α)σn−12+α(xn−μn−1)(xn−μn)\sigma_n^2 = (1-\alpha) \sigma_{n-1}^2 + \alpha(x_n - \mu_{n-1})(x_n - \mu_n) standart sapmayı hesaplayabilirsiniz. Üstel ağırlıklı üçüncü ve dördüncü merkezi anların …

15 moments  online  kurtosis 

Moment Üreten Fonksiyon (MGF) nedir? Basit ve kolay bir örnekle birlikte layman'ın terimleriyle açıklayabilir misiniz? Lütfen resmi matematik notasyonlarını kullanarak mümkün olduğunca sınırlandırın.

15 moments  intuition  mgf