La fonction de densité de probabilité (PDF) d'une variable aléatoire continue donne la probabilité relative pour chacune de ses valeurs possibles. Utilisez également cette balise pour les fonctions de masse à probabilité discrète (PMF).
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 …
Après avoir effectué l'analyse des composants principaux (PCA), je souhaite projeter un nouveau vecteur sur l'espace PCA (c'est-à-dire trouver ses coordonnées dans le système de coordonnées PCA). J'ai calculé PCA en langage R en utilisant prcomp. Maintenant, je devrais pouvoir multiplier mon vecteur par la matrice de rotation PCA. Les …
Dans un contexte où l'on observe distribués à partir d'une distribution de densité , je me demande s'il existe un estimateur non biaisé (basé sur les ) de la distance de Hellinger à une autre distribution de densité , à savoir f X i f 0 H ( f , …
Conceptuellement, je saisis la signification de l'expression "la surface totale sous un PDF est de 1". Cela devrait signifier que les chances que le résultat se situe dans l'intervalle total des possibilités sont de 100%. Mais je ne peux pas vraiment le comprendre d'un point de vue "géométrique". Si, par …
Que les coordonnées cartésiennes d'un point aléatoire soient sélectionnées st .x , yX,yx,y( x , y) ∼ U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10) Ainsi, le rayon, , n'est pas uniformément distribué comme le le pdf de .ρ = x2+y2−−−−−−√ρ=x2+y2\rho = \sqrt{x^2 + y^2}ρρ\rho Néanmoins, je m'attendrais à ce que soit presque …
Si nous voulons voir visiblement la distribution d'une donnée continue, laquelle parmi l'histogramme et le pdf devrait être utilisée? Quelles sont les différences, pas en termes de formule, entre l'histogramme et le pdf?
J'ai lu ici que, étant donné un échantillon d'une distribution continue avec cdf , l'échantillon correspondant à suit une distribution uniforme standard.X1,X2,...,XnX1,X2,...,Xn X_1,X_2,...,X_n FXFX F_X Ui=FX(Xi)Ui=FX(Xi) U_i = F_X(X_i) J'ai vérifié cela en utilisant des simulations qualitatives en Python, et j'ai facilement pu vérifier la relation. import matplotlib.pyplot as plt …
J'ai quatre variables indépendantes uniformément réparties a,b,c,da,b,c,da,b,c,d , chacune dans [0,1][0,1][0,1] . Je veux calculer la distribution de (a−d)2+4bc(a−d)2+4bc(a-d)^2+4bc . J'ai calculé la distribution de u2=4bcu2=4bcu_2=4bc pour être f2(u2)=−14lnu24f2(u2)=−14lnu24f_2(u_2)=-\frac{1}{4}\ln\frac{u_2}{4} (d'oùu2∈(0,4]u2∈(0,4]u_2\in(0,4]), et deu1=(a−d)2u1=(a−d)2u_1=(a-d)^2àf1(u1)=1−u1−−√u1−−√.f1(u1)=1−u1u1.f_1(u_1)=\frac{1-\sqrt{u_1}}{\sqrt{u_1}}.Maintenant, la distribution d'une sommeu1+u2u1+u2u_1+u_2est (u1,u2u1,u2u_1,\, u_2 sont également indépendants)fu1+u2(x)=∫+∞−∞f1(x−y)f2(y)dy=−14∫401−x−y−−−−√x−y−−−−√⋅lny4dy,fu1+u2(x)=∫−∞+∞f1(x−y)f2(y)dy=−14∫041−x−yx−y⋅lny4dy,f_{u_1+u_2}(x)=\int_{-\infty}^{+\infty}f_1(x-y)f_2(y)dy=-\frac{1}{4}\int_0^4\frac{1-\sqrt{x-y}}{\sqrt{x-y}}\cdot\ln\frac{y}{4}dy,cary∈(0,4]y∈(0,4]y\in(0,4]. Ici, il doit êtrex>yx>yx>ydonc l'intégrale est égale àfu1+u2(x)=−14∫x01−x−y−−−−√x−y−−−−√⋅lny4dy.fu1+u2(x)=−14∫0X1-X-yX-y⋅lny4réy.f_{u_1+u_2}(x)=-\frac{1}{4}\int_0^{x}\frac{1-\sqrt{x-y}}{\sqrt{x-y}}\cdot\ln\frac{y}{4}dy.Maintenant je …
Le pdf et le pmf et le cdf contiennent-ils la même information? Pour moi, le pdf donne la probabilité totale à un certain point (essentiellement la zone sous la probabilité). Le pmf donne la probabilité d'un certain point. Le cdf donne la probabilité sous un certain point. Donc pour moi …
Je viens de remarquer que l'intégration de la fonction quantile d'une variable aléatoire univariée (cdf inverse) de p = 0 à p = 1 produit la moyenne de la variable. Je n'ai jamais entendu parler de cette relation auparavant, alors je me demande: est-ce toujours le cas? Si oui, cette …
On m'a toujours dit qu'un CDF est unique mais qu'un PDF / PMF n'est pas unique, pourquoi? Pouvez-vous donner un exemple où un PDF / PMF n'est pas unique?
Supposons que j'ai une variable comme Xavec une distribution inconnue. Dans Mathematica, en utilisant la SmoothKernelDensityfonction, nous pouvons avoir une fonction de densité estimée. Cette fonction de densité estimée peut être utilisée avec la PDFfonction pour calculer la fonction de densité de probabilité d'une valeur comme Xsous la forme de …
J'essaie de déterminer si mon ensemble de données de données continues suit une distribution gamma avec des paramètres forme 1,7 et taux 0,000063.====== Le problème est que lorsque j'utilise R pour créer un tracé QQ de mon ensemble de données rapport à la distribution théorique gamma (1.7, 0.000063), j'obtiens un …
Les tests de permutation (également appelés test de randomisation, test de re-randomisation ou test exact) sont très utiles et s'avèrent utiles lorsque l'hypothèse de distribution normale requise par exemple t-testn'est pas remplie et lorsque la transformation des valeurs par classement des un test non paramétrique comme Mann-Whitney-U-testcela entraînerait la perte …
J'essaie d'utiliser la fonction « densité » dans R pour faire des estimations de densité du noyau. J'ai de la difficulté à interpréter les résultats et à comparer divers ensembles de données car il semble que l'aire sous la courbe ne soit pas nécessairement 1. Pour toute fonction de densité …
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.