«random-variable» etiketlenmiş sorular

Rastgele bir değişken veya stokastik bir değişken, şans değişimine (yani, matematiksel anlamda rastgele) tabi olan bir değerdir.

8
Mevcut bir değişken (ler) ile tanımlanmış bir korelasyon ile rastgele bir değişken oluşturun
Bir simülasyon çalışması için, mevcut bir değişkenine önceden tanımlanmış (popülasyon) bir korelasyon gösteren rastgele değişkenler oluşturmalıyım .YYY RPaketlere baktım copulave CDVinebelirli bir bağımlılık yapısına sahip rastgele çok değişkenli dağılımlar üretebiliyorum. Bununla birlikte, ortaya çıkan değişkenlerden birini mevcut bir değişkene sabitlemek mümkün değildir. Herhangi bir fikir ve mevcut fonksiyonlara bağlantılar takdir …


6
Olasılıkta yakınlaşma - neredeyse kesin yakınsama
Bu iki yakınsama ölçüsü arasındaki farkı hiçbir zaman gerçekten anlamadım. (Ya da, aslında, farklı yakınsama türlerinden herhangi biri, ancak bu ikisinden özellikle Büyük Sayıların Zayıf ve Güçlü Yasaları nedeniyle bahsediyorum.) Elbette, her birinin tanımını alıntılayabilirim ve farklı oldukları yere bir örnek verebilirim, ancak hala tam olarak anlamıyorum. Farkı anlamanın iyi …


4
Neden X ve XY rastgele değişkenleri arasındaki korelasyon katsayısı 0.7 olma eğilimindedir?
Alındığı Tıbbi Araştırma Pratik İstatistik Douglas Altman sayfa 285 yazıyor: ... herhangi iki miktar X ve Y için, X, XY ile ilişkilendirilecektir. Gerçekten, X ve Y, rastgele sayılardan oluşan örnekler olsa bile, X ve XY arasındaki korelasyonun 0.7 olmasını beklerdik. Bunu R'de denedim ve durum böyle görünüyor: x <- rnorm(1000000, …



9
Bernoulli rasgele değişkenlerinin toplamını nasıl verimli bir şekilde modelleyebilirim?
Her biri farklı başarı olasılığına sahip (~ 15-40k bağımsız Bernoulli rasgele değişkenlerinin ( ) toplamı olan rastgele bir değişkeni ( ) . Resmen, burada ve \ Pr (X_i = 0) = 1-p_i .YYYXiXiX_ipipip_iY=∑XiY=∑XiY=\sum X_iPr(Xi=1)=piPr(Xi=1)=pi\Pr(X_i=1)=p_iPr(Xi=0)=1−piPr(Xi=0)=1−pi\Pr(X_i=0)=1-p_i Pr(Y&lt;=k)Pr(Y&lt;=k)\Pr(Y<=k) (burada kkk verilir) gibi soruları hızlıca cevaplamak istiyorum . Şu anda, bu tür soruları cevaplamak …

3
Dönüştürülen değişkenin yoğunluğu için sezgisel açıklama?
pdf ile rastgele bir değişken olduğunu varsayalım . Sonra rasgele değişkeni pdf’e sahiptir.XXXfX(x)fX(x)f_X(x)Y=X2Y=X2Y=X^2 fY(y)={12y√(fX(y√)+fX(−y√))0y≥0y&lt;0fY(y)={12y(fX(y)+fX(−y))y≥00y&lt;0f_Y(y)=\begin{cases}\frac{1}{2\sqrt{y}}\left(f_X(\sqrt{y})+f_X(-\sqrt{y})\right) & y \ge 0 \\ 0 & y \lt 0\end{cases} Bunun arkasındaki hesabı anlıyorum. Ama hesabı bilmeyen birine anlatmanın bir yolunu düşünmeye çalışıyorum. Özellikle, neden faktörünün ön tarafta göründüğünü açıklamaya çalışıyorum . Onu bıçaklayacağım:1y√1y\frac{1}{\sqrt{y}} bir Gauss …

2
Bir rastgele değişkenin bir fonksiyonunun varyansı
Diyelim ki bilinen varyans ve ortalama ile rastgele değişkenimiz var . Soru şudur: Bazı fonksiyonlar için in varyansı nedir ? Farkında olduğum tek genel yöntem delta yöntemidir, ancak yalnızca aproximation verir. Şimdi ilgileniyorum , ancak bazı genel yöntemleri bilmek de güzel olurdu.XXXf(X)f(X)f(X)f(x)=x−−√f(x)=xf(x)=\sqrt{x} Düzenleme 29.12.2010 Taylor serisini kullanarak bazı hesaplamalar yaptım, …

1
Karışık etki modelinden tahmin edilen değerlerin bir zaman dilimleri üzerindeki toplamına göre farklılık
Bana bir zaman dilimi için öngörülerde bulunacak karışık bir etki modelim var (aslında genelleştirilmiş bir karma model var). Otokorelasyonu dengelemek için eksik verilerim olduğu için bir corCAR1 modeli kullanıyorum. Verilerin bana toplam bir yük vermesi gerekiyor, bu yüzden tüm tahmin aralığı boyunca toplamam gerekiyor. Ancak, toplam yük üzerindeki standart hatanın …

3
Eğer X ve Y ilişkisiz ise, X ^ 2 ve Y ilişkisiz midir?
İki rastgele değişken ve Y ile ilişkisiz ise, X ^ 2 ve Y'nin ilişkisiz olduğunu da bilebilir miyiz ? Hipotezim evet.XXXYYYX2X2X^2YYY X,YX,YX, Y ilişkisiz olan anlamına gelir veyaE[XY]=E[X]E[Y]E[XY]=E[X]E[Y]E[XY]=E[X]E[Y] E[XY]=∫xyfX(x)fY(y)dxdy=∫xfX(x)dx∫yfY(y)dy=E[X]E[Y]E[XY]=∫xyfX(x)fY(y)dxdy=∫xfX(x)dx∫yfY(y)dy=E[X]E[Y] E[XY]=\int xy f_X(x)f_Y(y)dxdy=\int xf_X(x)dx\int yf_Y(y)dy=E[X]E[Y] Bu aynı zamanda aşağıdaki anlamına mı geliyor? E[X2Y]=∫x2yfX(x)fY(y)dxdy=∫x2fX(x)dx∫yfY(y)dy=E[X2]E[Y]E[X2Y]=∫x2yfX(x)fY(y)dxdy=∫x2fX(x)dx∫yfY(y)dy=E[X2]E[Y] E[X^2Y]=\int x^2y f_X(x)f_Y(y)dxdy=\int x^2f_X(x)dx\int yf_Y(y)dy=E[X^2]E[Y]

4
Bir dağılımın düzensizliğini nasıl ölçer?
Çalıştığım bir deney için dağılımın tek biçimliliğini ölçmek için bir ölçüm bulmaya çalışıyorum. Çoğu durumda eşit olarak dağıtılması gereken rastgele bir değişkenim var ve değişkenin bazı sınırlar içinde eşit olarak dağıtılmadığı veri kümelerinin örneklerini tanımlayabiliyorum (ve derecesini ölçebiliyorum). Her biri, ölçtüğüm bir şeyin meydana gelme sıklığını temsil eden 10 ölçümden …

3
Zeka Oyunları: Tek tip [0,1] dağılımından çekildiğinde monoton şekilde artan bir iid dizisinin beklenen uzunluğu nedir?
Bu, burada bildirilen nicel bir analist pozisyonu için bir röportajdır . Tekdüze bir [0,1][0,1][0,1] dağılımından çekildiğimizi ve çekilişlerin olduğunu düşünelim, monoton olarak artan bir dağılımın beklenen uzunluğu nedir? Yani, mevcut çekiliş önceki çekilişe eşit veya daha küçükse çizmeyi bırakırız. Pr ( uzunluk = 1 ) = ∫10∫x10d x2d x1= 1 …

1
Serbestlik dereceleri tam sayı olmayan bir sayı olabilir mi?
GAM kullandığımda, artık DF (kodun son satırı) olduğunu gösteriyor. Bu ne anlama geliyor? GAM örneğinin ötesine geçmek, Genel olarak, serbestlik derecelerinin sayısı tam sayı olmayan bir sayı olabilir mi?26,626,626.6 &gt; library(gam) &gt; summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 …
27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.