Les moments sont des résumés des caractéristiques des variables aléatoires (p. Ex. Emplacement, échelle). À utiliser également pour les moments fractionnaires.
Je sais ce que sont les moments, comment les calculer et comment utiliser la fonction de génération de moments pour obtenir des moments d'ordre supérieur. Oui, je connais les maths. Maintenant que j'ai besoin de connaître mes statistiques pour pouvoir travailler, je me suis dit que je pourrais aussi bien …
Une distribution à moyenne finie et à variance infinie peut-elle avoir une fonction de génération de moment? Qu'en est-il d'une distribution avec une moyenne finie et une variance finie mais des moments supérieurs infinis?
Je fais une expérience numérique qui consiste à échantillonner une distribution log-normale , et à essayer d'estimer les moments par deux méthodes:E [ X n ]X∼ L N( μ , σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma)E [ Xn]E[Xn]\mathbb{E}[X^n] En regardant la moyenne de l'échantillon deXnXnX^n Estimer et en utilisant les moyennes d'échantillonnage pour , …
Une méthode naïve pour approximer une distribution normale consiste à additionner peut-être variables aléatoires IID uniformément réparties sur , puis plus récentes et redimensionnées, en s'appuyant sur le théorème de la limite centrale. ( Remarque : il existe des méthodes plus précises telles que la transformée de Box – Muller …
migré depuis math.stackexchange . Je traite un long flux d'entiers et j'envisage de suivre quelques instants afin de pouvoir calculer approximativement divers centiles pour le flux sans stocker beaucoup de données. Quelle est la façon la plus simple de calculer des centiles à partir de quelques instants. Existe-t-il une meilleure …
Il est habituel d'utiliser les deuxième, troisième et quatrième moments d'une distribution pour décrire certaines propriétés. Les moments partiels ou les moments supérieurs au quatrième décrivent-ils des propriétés utiles d'une distribution?
Nous sommes généralement initiés à la méthode des estimateurs de moments en «assimilant les moments de la population à leur homologue de l'échantillon» jusqu'à ce que nous ayons estimé tous les paramètres de la population; de sorte que, dans le cas d'une distribution normale, nous n'aurions besoin que des premier …
Le texte de Wackerly et al énonce ce théorème "Soit et les fonctions génératrices de moments des variables aléatoires X et Y, respectivement. Si les deux fonctions génératrices de moments existent et pour toutes les valeurs de t, alors X et Y ont la même distribution de probabilité. " sans …
Question principalement théorique. Existe-t-il des exemples de distributions non normales dont les quatre premiers moments sont égaux à ceux de la normale? Pourraient-ils exister en théorie?
Soit BtBtB_t un mouvement brownien standard. Soit Ej , nEj,nE_{j, n} désigne l'événement { Bt= 0 pour certains j - 12n≤ t ≤ j2n} ,{Bt=0 for some j−12n≤t≤j2n},\left\{B_t = 0 \text{ for some }{{j-1}\over{2^n}} \le t \le {j\over{2^n}}\right\},et soitKn= ∑j = 2n+ 122 n1Ej , n,Kn=∑j=2n+122n1Ej,n,K_n = \sum_{j = 2^n …
Que veut dire l'affirmation selon laquelle le kurtosis d'une distribution normale est 3. Est-ce que cela signifie que sur la ligne horizontale, la valeur de 3 correspond à la probabilité de pic, c'est-à-dire que 3 est le mode du système? Quand je regarde une courbe normale, il semble que le …
J'essaie de comprendre le lien entre la fonction de génération de moment et la fonction caractéristique. La fonction de génération de moment est définie comme: MX( t ) = E( exp( t X) ) = 1 + t E( X)1+ t2E( X2)2 !+ ⋯ + tnE( Xn)n !MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = …
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 …
Il existe des formules en ligne bien connues pour calculer des moyennes mobiles pondérées exponentiellement et des écarts-types d'un processus . Pour la moyenne,(xn)n=0,1,2,…(xn)n=0,1,2,…(x_n)_{n=0,1,2,\dots} μn=(1−α)μn−1+αxnμn=(1−α)μn−1+αxn\mu_n = (1-\alpha) \mu_{n-1} + \alpha x_n et pour la variance σ2n=(1−α)σ2n−1+α(xn−μn−1)(xn−μn)σn2=(1−α)σn−12+α(xn−μn−1)(xn−μn)\sigma_n^2 = (1-\alpha) \sigma_{n-1}^2 + \alpha(x_n - \mu_{n-1})(x_n - \mu_n) à partir de laquelle vous …
Qu'est-ce qu'une fonction de génération de moment (MGF)? Pouvez-vous l'expliquer en termes simples et avec un exemple simple et facile? Veuillez limiter autant que possible les notations mathématiques formelles.
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.