Supposons que ait le pdf(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 La densité de l'échantillon tiré de cette population est donc( X , Y ) = ( Xje, Yje)1 ≤ i ≤ n(X,Oui)=(Xje,Ouije)1≤je≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ( x , y )= ∏i = 1nFθ( xje, yje)= exp[ - ∑i = 1n( xjeθ+ θ …
On suppose que θ est un estimateur non biaisé pour θ . Alors bien sûr, E [ θ | θ ] = θ .θ^θ^\hat{\theta}θθ\thetaE [ θ^∣ θ ] = θE[θ^∣θ]=θ\mathbb{E}[\hat{\theta} \mid \theta] = \theta Comment expliquer cela à un profane? Dans le passé, ce que je l' ai dit est …
J'écris un article qui utilise des asymptotiques de remplissage et un de mes examinateurs m'a demandé de fournir une définition mathématique rigoureuse de ce qu'est l'asymptotique de remplissage (c.-à-d. Avec des symboles et des notations mathématiques). Je n'arrive pas à en trouver dans la littérature et j'espérais que quelqu'un pourrait …
Donc, si la statistique Chi Squared de Pearson est donnée pour une table , alors sa forme est:1×N1×N1 \times N ∑i=1n(Oi−Ei)2Ei∑i=1n(Oi−Ei)2Ei\sum_{i=1}^n\frac{(O_i - E_i)^2}{E_i} Ensuite, cela se rapproche de , la distribution du chi carré avec degrés de liberté, à mesure que la taille de l'échantillon augmente. χ2n−1χn−12\chi_{n-1}^2n−1n−1n-1NNN Ce que je …
Après le rodage, pouvons-nous utiliser directement les itérations MCMC pour l'estimation de la densité, par exemple en traçant un histogramme ou une estimation de la densité du noyau? Ma préoccupation est que les itérations MCMC ne sont pas nécessairement indépendantes, bien qu'elles soient tout au plus identiques. Que se passe-t-il …
Considérons un graphique géométrique aléatoire infini dans lequel les emplacements des nœuds suivent un processus de point de Poisson avec une densité et des arêtes sont placées entre les nœuds plus proches que . Par conséquent, la longueur des bords suit le PDF suivant:dρρ\rhoréréd F( l ) = { 2 …
Je recherche la distribution limite de la distribution multinomiale sur les résultats d. IE, la distribution des éléments suivants limn → ∞n- 12Xnlimn→∞n−12Xn\lim_{n\to \infty} n^{-\frac{1}{2}} \mathbf{X_n} Où XnXn\mathbf{X_n} est une variable aléatoire de valeur vectorielle de densité Fn( x )fn(x)f_n(\mathbf{x}) pour Xx\mathbf{x} telle que ∑jeXje= n∑ixi=n\sum_i x_i=n , Xje∈ Z …
Est-il vrai que la matrice de covariance asymptotique est égale à la matrice de covariance des estimations de paramètres? Sinon, c'est quoi? Et quelle est la différence entre la matrice de covariance et la matrice de covariance asymptotique dans ce cas? Merci d'avance!
Considérons la fonction de densité postérieure donnée (comme d'habitude) par avec la densité antérieure et la distribution du observations , conditionnelles à la valeur du paramètre .π(θ)∏i=1nf(xi;θ),π(θ)∏i=1nf(xi;θ), \pi(\theta) \prod_{i=1}^n f(x_i;\theta),ππ\pif(⋅;θ)f(⋅;θ)f(\cdot;\theta)nnnx1,…,xnx1,…,xnx_1, \dots, x_nθθ\theta Dans certaines conditions, la distribution postérieure est asymptotiquement normale (un résultat connu sous le nom de théorème de …
Contexte: J'ai un échantillon que je veux modéliser avec une distribution à queue lourde. J'ai des valeurs extrêmes, telles que la diffusion des observations est relativement importante. Mon idée était de modéliser cela avec une distribution Pareto généralisée, et c'est ce que j'ai fait. Maintenant, le quantile 0,975 de mes …
Les résultats asymptotiques ne peuvent pas être prouvés par simulation informatique, car ce sont des déclarations impliquant le concept de l'infini. Mais nous devrions être capables de sentir que les choses marchent effectivement comme le dit la théorie. Considérons le résultat théorique limn→∞P(|Xn|>ϵ)=0,ϵ>0limn→∞P(|Xn|>ϵ)=0,ϵ>0\lim_{n\rightarrow\infty}P(|X_n|>\epsilon) = 0, \qquad \epsilon >0 où XnXnX_n …
SoitXn=⎧⎩⎨1−12kw.p. (1−2−n)/2w.p. (1−2−n)/2w.p. 2−k for k>nXn={1w.p. (1−2−n)/2−1w.p. (1−2−n)/22kw.p. 2−k for k>nX_n = \begin{cases} 1 & \text{w.p. } (1 - 2^{-n})/2\\ -1 & \text{w.p. } (1 - 2^{-n})/2\\ 2^k & \text{w.p. } 2^{-k} \text{ for } k > n\\ \end{cases} Je dois montrer que même si cela a des moments infinis,n−−√(X¯n)→dN(0,1)n(X¯n)→dN(0,1)\sqrt{n}(\bar{X}_n) …
La question: Xn→dXXn→dXX_n\stackrel{d}{\rightarrow}X etYn→dY⟹?Xn+Yn→dX+YYn→dY⟹?Xn+Yn→dX+YY_n\stackrel{d}{\rightarrow}Y \stackrel{?}{\implies} X_n+Y_n\stackrel{d}{\rightarrow}X+Y Je sais que cela ne tient pas en général; Le théorème de Slutsky ne s'applique que lorsqu'une ou les deux convergences sont probables. Cependant, y at - il des cas où il ne cale? Par exemple, si les séquences et sont indépendantes.XnXnX_nYnYnY_n
Quels sont les travaux théoriques significatifs actuels qui ont été effectués dans le domaine de l'inférence asymptotique / théorie des grands échantillons? Quelle est la portée de la recherche dans ce domaine actuellement? Y a-t-il un problème ouvert ou des domaines spécifiques où la théorie se développe ces derniers temps? …
Motivation Dans le contexte de l'inférence post-sélection de modèle, Leeb et Pötscher (2005) écrivent: Bien que l'on sache depuis longtemps que l'uniformité (au moins localement) par rapport aux paramètres est un problème important dans l'analyse asymptotique, cette leçon a souvent été oubliée dans la pratique quotidienne de la théorie économétrique …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.