Supposons que nous connaissions p (x, y), p (x, z) et p (y, z), est-il vrai que la distribution conjointe p (x, y, z) est identifiable? Autrement dit, il n'y a qu'un seul p possible (x, y, z) qui a au-dessus des marginaux?
Supposons que vous définissiez: X∼Beta(α,β)X∼Beta(α,β)X\sim\mbox{Beta}(\alpha,\beta) Y∼Φ−1(X)Y∼Φ−1(X)Y\sim \Phi^{-1}(X) où Φ−1Φ−1\Phi^{-1} est l'inverse du CDF de la distribution normale standard . Ma question est: Y aYYYYYY - t-il une distribution simple que Y suit, ou qui peut approximer Y ? Je demande parce que j'ai une forte suspicion basée sur les résultats …
Je n'ai probablement pas une compréhension claire du paradoxe de Simpson . Informellement, je sais que la moyenne de la réponse Y1, regroupée sur tous les niveaux possibles du facteur A, peut être supérieure à la moyenne de la réponse Y2 sur tous les niveaux de A, même si la …
Je suis assez incliné mathématiquement - j'ai eu 6 semestres de mathématiques au premier cycle - bien que je sois un peu hors de pratique et lent avec, disons, des équations différentielles partielles et des intégrales de chemin, mes concepts reviennent avec un peu de pratique. Je n'ai pas suivi …
Supposons que huit coureurs participent à une course; la distribution de leurs temps d'exécution individuels est normale et chacun a une moyenne de secondes, par exemple. L'écart type du coureur un est le plus petit, deux le deuxième plus petit, le troisième le plus petit, etc., et huit le plus …
Citation de wikipedia: En statistique, un estimateur cohérent ou un estimateur asymptotiquement cohérent est un estimateur - une règle pour calculer les estimations d'un paramètre ayant la propriété que, comme le nombre de points de données utilisés augmente indéfiniment, la séquence résultante d'estimations converge en probabilité vers .θ ∗θ∗θ∗θ^*θ∗θ∗θ^* Pour …
Je lisais sur le calcul de l'estimation non biaisée de l'écart-type et la source que j'ai lue a déclaré (...) sauf dans certaines situations importantes, la tâche a peu de pertinence pour les applications de la statistique car son besoin est évité par des procédures standard, telles que l'utilisation de …
La plupart des résultats asymptotiques en statistiques prouvent que lorsque un estimateur (tel que le MLE) converge vers une distribution normale basée sur une expansion taylorique de second ordre de la fonction de vraisemblance. Je crois qu'il y a un résultat similaire dans la littérature bayésienne, le "théorème de la …
Il semble y avoir beaucoup de confusion dans la comparaison de l'utilisation à l' glmnetintérieur caretpour rechercher un lambda optimal et à utiliser cv.glmnetpour faire la même tâche. De nombreuses questions ont été posées, par exemple: Modèle de classification train.glmnet vs cv.glmnet? Quelle est la bonne façon d'utiliser glmnet avec …
Contexte : Je veux tracer une ligne dans un nuage de points qui n'apparaît pas paramétrique, donc j'utilise geom_smooth()in ggplotin R. Il retourne automatiquement geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change …
Je suis en train de parcourir un document qui utilise l'inégalité oracle pour prouver quelque chose mais je suis incapable de comprendre ce qu'il essaie même de faire. Lorsque j'ai recherché en ligne «Oracle Inequality», certaines sources m'ont dirigé vers l'article «Candes, Emmanuel J. "qui peut être trouvé ici https://statweb.stanford.edu/~candes/papers/NonlinearEstimation.pdf …
J'ai du mal à comprendre pourquoi nous nous soucions si un processus de MA est inversible ou non. Veuillez me corriger si je me trompe, mais je peux comprendre pourquoi nous nous soucions de savoir si un processus AR est causal, c'est-à-dire si nous pouvons le "réécrire", pour ainsi dire, …
Si vous ne faites que rééchantillonner à partir de la distribution empirique, pourquoi ne pas simplement étudier la distribution empirique? Par exemple, au lieu d'étudier la variabilité par échantillonnage répété, pourquoi ne pas simplement quantifier la variabilité à partir de la distribution empirique?
Je suis tombé sur une preuve pour l'une des propriétés du modèle ARCH qui dit que si E(X2t)<∞E(Xt2)<∞\mathbb{E}(X_t^2) < \infty , alors {Xt}{Xt}\{X_t\} est stationnaire ssi ∑pi=1bi<1∑i=1pbi<1\sum_{i=1}^pb_i < 1 où le modèle ARCH est: Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 = b_0 + b_1X_{t-1}^2 + ... b_pX_{t-p}^2 L'idée principale de la démonstration …
Comme je suis sûr que tout le monde ici le sait déjà, le PDF de la distribution Beta est donné parX∼B(a,b)X∼B(a,b)X \sim B(a,b) f(x)=1B(a,b)xa−1(1−x)b−1f(x)=1B(a,b)xa−1(1−x)b−1f(x) = \frac{1}{B(a,b)}x^{a-1}(1-x)^{b-1} J'ai cherché partout pour une explication des origines de cette formule, mais je ne la trouve pas. Chaque article que j'ai trouvé sur la …
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.