Questions marquées «mgf»

La fonction génératrice de moment (mgf) est une fonction réelle qui permet de dériver les moments d'une variable aléatoire et peut donc caractériser toute sa distribution. Utilisez également pour son logarithme, la fonction génératrice de cumulant.

3
Les CDF sont-ils plus fondamentaux que les PDF?
Mon stat prof dit, en gros, si l’un des trois suivants est donné, vous pouvez trouver les deux autres: Fonction de distribution cumulative Fonction de génération de moment Fonction de densité de probabilité Mais mon professeur d'économétrie a déclaré que les CDF sont plus fondamentaux que les PDF car il …
43 probability  pdf  cdf  mgf 


2
Inégalités de probabilité
Je cherche des inégalités de probabilité pour les sommes de variables aléatoires non bornées. J'apprécierais vraiment si quelqu'un pouvait me donner des idées. Mon problème est de trouver une limite supérieure exponentielle sur la probabilité que la somme des variables aléatoires iid non bornées, qui sont en fait la multiplication …




1
Si les distributions avec les mêmes moments sont identiques
Les éléments suivants sont similaires mais différents des articles précédents ici et ici Étant donné deux distributions qui admettent des moments de tous les ordres, si tous les moments de deux distributions sont les mêmes, sont-elles alors des distributions identiques ae? Étant donné deux distributions qui admettent des fonctions de …

1
Distribution avec
Existe-t-il des informations sur la distribution dont le ème cumulant est donné par ? La fonction génératrice de cumulants est de la forme Je l'ai rencontré comme la distribution limitante de certaines variables aléatoires, mais je n'ai pas pu trouver d'informations à ce sujet.nnn κ(t)=∫ 1 0 e t x …


1
Fonction de génération de moment lié
Cette question découle de celle posée ici à propos d'une fonction de génération de moments liés (MGF). Supposons que XXX est une variable aléatoire bornée à moyenne nulle prenant des valeurs dans [−σ,σ][−σ,σ][-\sigma, \sigma] et que G(t)=E[etX]G(t)=E[etX]G(t) = E[e^{tX}] soit son MGF. D'un lié utilisé dans une preuve de l' …


6
Existe-t-il une distribution univariée à partir de laquelle nous ne pouvons pas échantillonner?
Nous avons une grande variété de méthodes de génération aléatoire à partir de distributions univariées (transformation inverse, acceptation-rejet, Metropolis-Hastings, etc.) et il semble que nous pouvons échantillonner à partir de n'importe quelle distribution valide - est-ce vrai? Pourriez-vous fournir un exemple de distribution univariée impossible à générer de manière aléatoire? …

5
Comment effectuer l'imputation de valeurs dans un très grand nombre de points de données?
J'ai un très grand ensemble de données et il manque environ 5% de valeurs aléatoires. Ces variables sont corrélées entre elles. L'exemple de jeu de données R suivant n'est qu'un exemple de jouet avec des données corrélées factices. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 



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.