Questions marquées «cdf»

Fonction de distribution cumulative. Alors que le PDF donne la densité de probabilité de chaque valeur d'une variable aléatoire, le CDF (souvent notéF(x)) donne la probabilité que la variable aléatoire soit inférieure ou égale à une valeur spécifiée.

1
Références: Queue du cdf inverse
Je suis presque sûr d'avoir déjà vu le résultat suivant dans les statistiques mais je ne me souviens pas où. Si est une variable aléatoire positive et alors lorsque , où est le cdf de .E ( X ) < ∞ ε F - 1 ( 1 - ε ) …
1
Quel modèle d'apprentissage en profondeur peut classer des catégories qui ne s'excluent pas mutuellement
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec softmaxfonction à la dernière …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Quel est le CDF à deux échantillons de
J'essaie de comprendre comment obtenir des valeurs de pour le test unilatéral de Kolmogorov-Smirnov , et j'ai du mal à trouver des CDF pour et dans le cas à deux échantillons. Ce qui suit est cité à quelques endroits comme le CDF pour dans un cas à un échantillon:pppD+n1,n2Dn1,n2+D^{+}_{n_{1},n_{2}}D−n1,n2Dn1,n2−D^{-}_{n_{1},n_{2}}D+nDn+D^{+}_{n} p+n(x)=P(D+n≥x|H0)=x∑j=0⌊n(1−x)⌋(nj)(jn+x)j−1(1−x−jn)n−jpn+(x)=P(Dn+≥x|H0)=x∑j=0⌊n(1−x)⌋(nj)(jn+x)j−1(1−x−jn)n−jp^{+}_{n}\left(x\right) …
1
Simuler à partir d'une distribution normale de mélange tronqué
Je veux simuler un échantillon d'une distribution normale de mélange telle que p × N(μ1,σ21) + ( 1 - p ) × N(μ2,σ22)p×N(μ1,σ12)+(1−p)×N(μ2,σ22)p\times\mathcal{N}(\mu_1,\sigma_1^2) + (1-p)\times\mathcal{N}(\mu_2,\sigma_2^2) est limité à l'intervalle au lieu de . Cela signifie que je veux simuler un mélange tronqué de distributions normales.[ 0 , 1 ][0,1][0,1]RR\mathbb{R} Je …
1
Pouvons-nous rendre la distribution Irwin-Hall plus générale?
J'ai besoin de trouver une classe de distribution symétrique à faible kurtosis, qui comprend la distribution uniforme, triangulaire et normale gaussienne. La distribution Irwin Hall (somme uniforme standard) offre cette caractéristique, mais ne traite pas des ordres non entiers . Cependant, si, par exemple, vous résumez simplement indépendamment, par exemple …
2
limite de
Je me demande de montrer que la limite: limx→∞xF¯¯¯¯(x)=0limx→∞xF¯(x)=0 \lim_{x \to \infty} x\overline{F}(x) =0 où est la fonction de distribution de queue, \ overline {F} (x) = 1 − F (x) , où F est la fonction de distribution cumulativeF¯¯¯¯=1−FF¯=1−F\overline{F} =1-FF¯¯¯¯(x)=1−F(x)F¯(x)=1−F(x)\overline{F}(x)=1−F(x)FFF Comme x→∞x→∞x \to \infty , F¯¯¯¯→0F¯→0\overline{F} \to 0 , …
3
Trouvez la distribution et passez à la distribution normale
J'ai des données qui décrivent la fréquence à laquelle un événement se produit pendant une heure ("nombre par heure", nph) et la durée des événements ("durée en secondes par heure", dph). Ce sont les données d'origine: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, …
8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 
3
Comment obtenir la fonction quantile lorsqu'une forme analytique de la distribution n'est pas connue
Le problème vient de la page 377-379 de ce document [0] . Étant donné une distribution continue et un fixe , considérons:FFFz∈ Rz∈Rz\in\mathbb{R} Lz( t ) =PF( | z- Z| ≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) et H( z) =L- 1z( 0,5 ) =medZ∼ F| z- Z|H(z)=Lz−1(0.5)=medZ∼F|z−Z|H(z)=L^{-1}_z(0.5)=\underset{Z\sim F}{\mbox{med}}|z-Z| où est l'inverse continu droit. Donc, …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.