Questions marquées «distributions»

Je connais les premiers moments d'une distribution. Je sais aussi que ma distribution est continue, unimodale et bien formée (elle ressemble à une distribution gamma). Est-ce possible de:NNN En utilisant un algorithme, générez des échantillons à partir de cette distribution, qui dans des conditions limites aura exactement les mêmes moments? …

9 distributions  moments 

Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma)RdRd\mathbb R^dZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) Cela se produit par exemple parce que, si nous utilisons la fonction d'activation ReLU à l'intérieur d'un réseau profond, et supposons via le CLT que les entrées d'une couche donnée sont approximativement normales, alors c'est la distribution des sorties. (Je suis …

9 probability  distributions  normal-distribution  moments  censoring 

Si j'ai deux distributions symétriques différentes (par rapport à la médiane) et , la différence également une distribution symétrique (par rapport à la médiane)?XXXYYYX−YX−YX-Y

9 distributions  median 

Si , trouvez la distribution de .X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1)Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2} Nous avonsFY(y)=Pr(Y≤y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) =Pr(2X1−X2≤y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪Pr(X∈(−∞,−1−1+y2√y])+Pr(X∈(−1,−1+1+y2√y]),ify&gt;0Pr(X∈(−1,−1+1+y2√y])+Pr(X∈(1,−1−1+y2√y]),ify&lt;0={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify&gt;0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify&lt;0\qquad\qquad=\begin{cases} \mathrm{Pr}\left(X\in\left(-\infty,\frac{-1-\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y>0\\ \mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(1,\frac{-1-\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y<0 \end{cases} Je me demande si la distinction de cas ci-dessus est correcte ou non. D'un autre côté, la méthode suivante semble plus simple: On peut écrire utilisant l'identité \ frac {2 \ …

9 self-study  distributions  mathematical-statistics  random-variable 

J'essaie de trouver la distribution de probabilité d'une somme d'un nombre aléatoire de variables qui ne sont pas distribuées de manière identique. Voici un exemple: John travaille dans un centre d'appels du service client. Il reçoit des appels avec des problèmes et essaie de les résoudre. Ceux qu'il ne peut …

9 probability  distributions  random-variable 

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 

Dans un certain but, j'ai besoin de générer des nombres aléatoires (données) à partir de la distribution "uniforme en pente". La "pente" de cette distribution peut varier dans un intervalle raisonnable, et alors ma distribution devrait changer d'uniforme à triangulaire en fonction de la pente. Voici ma dérivation: Rendons les …

9 r  distributions  python  random-generation  uniform 

Je m'intéresse à la construction de variables aléatoires pour lesquelles les inégalités de Markov ou Chebyshev sont serrées. Un exemple trivial est la variable aléatoire suivante. . Sa moyenne est nulle, la variance est 1 et P ( | X | ≥ 1 ) = 1 . Pour cette variable …

9 probability  distributions  random-variable  probability-inequalities 

J'essaie de comprendre la distribution de où , iid je sais que, en prenant chacun des termes séparément, et Mais je ne suis pas sûr de la distribution de (*)(n−1)∑i=1nZ2i−(∑i=1nZi)2(∗)(n−1)∑i=1nZi2−(∑i=1nZi)2(∗) (n-1) \sum_{i=1}^n Z_i^2 - \left( \sum_{i=1}^n Z_i \right)^2 \qquad (*) Zi∼N(0,1)Zi∼N(0,1)Z_i \sim \mathcal{N}(0,1)∑i=1nZ2i∼χ2(n)∑i=1nZi2∼χ2(n) \sum_{i=1}^n Z_i^2 \sim \chi^2(n) 1n(∑i=1nZi)2∼χ2(1).1n(∑i=1nZi)2∼χ2(1). \frac{1}{n}\left( \sum_{i=1}^n …

9 probability  distributions  normal-distribution 

Comment trouver une expression analytique dans le problème suivant?D(n,l,L)D(n,l,L)D(n,l,L) Je dépose aléatoirement "barres" de longueur dans un intervalle . Les "barres" peuvent se chevaucher. Je voudrais trouver la longueur totale moyenne de l'intervalle occupée par au moins une "barre".nnnlll[0,L][0,L][0,L]DDD[0,L][0,L][0,L] Dans la limite "basse densité", le chevauchement doit être négligeable et …

9 probability  distributions 

Je voudrais dessiner efficacement des échantillons partir de sous la contrainte que .x∈Rdx∈Rdx \in \mathbb{R}^dN(μ,Σ)N(μ,Σ)\mathcal{N}(\mu, \Sigma)||x||2=1||x||2=1||x||_2 = 1

9 distributions  normal-distribution  sampling  multivariate-normal  importance-sampling 

Considérons une distribution deux fois différentiable et symétrique . Considérons maintenant une seconde distribution deux fois différentiable rigth asymétrique en ce sens que:FXFX\mathcal{F}_XFZFZ\mathcal{F}_Z (1)FX⪯cFZ.(1)FX⪯cFZ.(1)\quad\mathcal{F}_X\preceq_c\mathcal{F}_Z. où est l'ordre convexe de van Zwet [0] de sorte que est équivalent à:⪯c⪯c\preceq_c(1)(1)(1) (2)F−1ZFX(x) is convex ∀x∈R.(2)FZ−1FX(x) is convex ∀x∈R.(2)\quad F^{-1}_ZF_X(x)\text{ is convex $\forall x\in\mathbb{R}.$} …

9 distributions  skewness 

Supposons que j'ai une urne contenant N couleurs de boules différentes et que chaque couleur différente puisse apparaître un nombre différent de fois (s'il y a 10 boules rouges, il n'est pas nécessaire qu'il y ait également 10 boules bleues). Si nous connaissons le contenu exact de l'urne avant de …

9 probability  discrete-data  distributions 

Pour un nombre constant donné (par exemple 4), est-il possible de trouver une distribution de probabilité pour , de sorte que nous ayons ?rrrXXXVar(X)=rVar(X)=r\mathrm{Var}(X)=r

9 distributions  mathematical-statistics  variance 

Il est bien connu qu'une combinaison linéaire de 2 variables normales aléatoires est également une variable normale aléatoire. Y a-t-il des familles de distribution non normales communes (par exemple, Weibull) qui partagent également cette propriété? Il semble y avoir de nombreux contre-exemples. Par exemple, une combinaison linéaire d'uniformes n'est généralement …

9 distributions  linear