Je suis un étudiant diplômé en mathématiques pures avec peu d'expérience en mathématiques appliquées. Depuis l'automne dernier, j'ai suivi des cours sur le livre de Casella & Berger, et j'ai terminé des centaines (230+) de pages de problèmes d'exercice dans le livre. En ce moment, je suis au chapitre 10. …
Comment puis-je vérifier si mes données, par exemple le salaire, proviennent d'une distribution exponentielle continue dans R? Voici l'histogramme de mon échantillon: . Toute aide sera fortement appréciée!
Je pensais que queue lourde = queue grasse, mais certains articles que j'ai lus m'ont donné l'impression qu'ils ne le sont pas. L'un d'eux dit: queue lourde signifie que la distribution a un instant j infini pour un entier j. De plus, tous les dfs dans le domaine en pot …
J'ai échantillonné un processus du monde réel, les temps de ping du réseau. Le "temps d'aller-retour" est mesuré en millisecondes. Les résultats sont tracés sur un histogramme: Les temps de ping ont une valeur minimale, mais une longue queue supérieure. Je veux savoir de quelle distribution statistique il s'agit et …
La déclaration La distribution d'échantillonnage de la variance de l'échantillon est une distribution khi carré avec un degré de liberté égal à , où est la taille de l'échantillon (étant donné que la variable aléatoire d'intérêt est normalement distribuée).nn - 1n-1n-1nnn La source Mon intuition Cela a un sens intuitif …
Nous savons que dans le cas d'une distribution préalable correcte, P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ∣X)=P(X∣θ)P(θ)P(X)P(\theta \mid X) = \dfrac{P(X \mid \theta)P(\theta)}{P(X)} ∝P(X∣θ)P(θ)∝P(X∣θ)P(θ) \propto P(X \mid \theta)P(\theta) . La justification habituelle de cette étape est que la distribution marginale de , , est constante par rapport à et peut donc être ignorée lors de la …
J'ai deux groupes de données. Chacun avec une distribution différente de plusieurs variables. J'essaie de déterminer si les distributions de ces deux groupes sont différentes d'une manière statistiquement significative. J'ai les données sous forme brute et regroupées dans des catégories plus faciles à traiter avec des décomptes de fréquence dans …
De nombreux fichiers PDF vont de moins à l'infini positif, mais certains moyens sont définis et d'autres non. Quel trait commun rend certains calculables?
En statistiques, indépendant et aléatoire décrivent-ils les mêmes caractéristiques? Quelle est la différence entre eux? Nous rencontrons souvent la description comme «deux variables aléatoires indépendantes» ou «échantillonnage aléatoire». Je me demande quelle est la différence exacte entre eux. Quelqu'un peut-il expliquer cela et donner des exemples? par exemple un processus …
Cette distribution discrète a-t-elle un nom? Pouri ∈ 1 ... Ni∈1...Ni \in 1...N F( i ) = 1N∑Nj = i1jf(i)=1N∑j=iN1jf(i) = \frac{1}{N} \sum_{j = i}^N \frac{1}{j} Je suis tombé sur cette distribution parmi les éléments suivants: J'ai une liste de éléments classés par une fonction d'utilité. Je souhaite sélectionner au …
Soit un bâton de longueur 1 cassé en k+1k+1k+1 fragments uniformément au hasard. Quelle est la distribution de la longueur du plus long fragment? Plus formellement, soit (U1,…Uk)(U1,…Uk)(U_1, \ldots U_k) soit IID U(0,1)U(0,1)U(0,1) , et soit (U(1),…,U(k))(U(1),…,U(k))(U_{(1)}, \ldots, U_{(k)}) les statistiques d'ordre associées, c'est-à - dire que nous commandons simplement …
Je sais que les a priori n'ont pas besoin d'être appropriés et que la fonction de vraisemblance ne s'intègre pas non plus à 1. Mais le postérieur doit-il être une distribution appropriée? Quelles sont les implications si c'est / n'est pas?
J'ai besoin de trouver la distribution de la variable aléatoire Y=∑i=1n(Xi)2Y=∑i=1n(Xi)2Y=\sum_{i=1}^{n}(X_i)^2 où Xi∼N(μi,σ2i)Xi∼N(μi,σi2)X_i\sim{\cal{N}}(\mu_i,\sigma^2_i) et tous les XiXiX_i s sont indépendants. Je sais qu'il est possible de trouver d 'abord le produit de toutes les fonctions génératrices de moments pour XiXiX_i s, puis de retransformer pour obtenir la distribution de YYYCependant, …
Supposons que . Je m'intéresse à la distribution marginale des éléments diagonaux . Il existe quelques résultats simples sur la distribution des sous-matrices de (au moins certaines répertoriées sur Wikipedia). À partir de cela, je peux comprendre que la distribution marginale de tout élément unique sur la diagonale est le …
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.