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).
J'ai rencontré un lemme dans le papier infoGAN . Je ne comprends pas la dérivation du lemme 5.1 dans l'addendum du document. Il se déroule comme suit (inclus en png): Je ne comprends pas la dernière étape. Pourquoi peut-on tirer dans l'intégrale la plus intérieure, en la transformant en ? …
Je voudrais calculer P( O= aX2+ b X+ c < 0 )P(Y=aX2+bX+c<0)P(Y=aX^2+bX+c<0) où . Je peux le faire assez facilement en utilisant Monte Carlo. Cependant, on m'a demandé de trouver le pdf analytique de , puis de calculerX∼ N( 0 , σ)X∼N(0,σ)X \sim N(0,\sigma)FOui( y)fY(y)f_Y(y)OuiYY je=∫0- ∞FOui( y) dyI=∫−∞0fY(y)dyI=\int_{-\infty}^0 f_Y(y) …
Il s'agit d'une continuation directe de ma récente question . La chose que je veux vraiment obtenir est la distribution dea + d+( a - d)2+ 4 b c-----------√a+d+(a−d)2+4bca+d+\sqrt{(a-d)^2+4bc}, où a , b , c , da,b,c,da,b,c,d sont uniformes [ 0 , 1 ][0,1][0,1]. Maintenant, la distribution de( a - …
Je sais que le PDF est la première dérivée du CDF pour une variable aléatoire continue et la différence pour une variable aléatoire discrète. Cependant, je voudrais savoir pourquoi cela est, pourquoi y a-t-il deux cas différents pour discret et continu?
Supposons que j'ai variables aléatoires normales indépendantesnnn X1∼ N (μ1,σ21)X2∼ N (μ2,σ22)⋮Xn∼ N (μn,σ2n)X1∼N(μ1,σ12)X2∼N(μ2,σ22)⋮Xn∼N(μn,σn2)X_1 \sim \mathrm{N}(\mu_1, \sigma_1^2)\\X_2 \sim \mathrm{N}(\mu_2, \sigma_2^2)\\\vdots\\X_n \sim \mathrm{N}(\mu_n, \sigma_n^2) et . Comment pourrais-je caractériser la densité de si la distribution de chaque est tronquée à l'intérieur ? En d'autres termes, partir de distributions normales indépendantes , …
La version générale: J'ai besoin d'estimer où et sont continus et multivariés. Je préfère le faire de manière non paramétrique, car je n'ai pas une bonne forme fonctionnelle en tête et doit être quelque chose comme impartial. Je voulais utiliser un estimateur conditionnel de densité du noyau, mais je me …
Essayer de prouver que cela n'appartient pas à une famille exponentielle. f(y|a)=4(y+a)(1+4a);0<y<1,a>0F(y|une)=4(y+une)(1+4une);0<y<1,une>0f(y|a)=4\frac{(y+a)}{(1+4a)} ; 0 < y < 1 , a>0 Voici mon approche: f(y|a)=4(y+a)e−log(1+4a)F(y|une)=4(y+une)e-log(1+4une)f(y|a) = 4(y+a)e^{-log(1+4a)} f(y|a)=(4y)(1+ay)e−log(1+4a)F(y|une)=(4y)(1+uney)e-log(1+4une)f(y|a) = (4y)(1+\frac{a}{y})e^{-log(1+4a)} En le comparant au formulaire standard, h(y)=4yh(y)=4yh(y) = 4y et g(a)g(une)g(a) qui doit être fonction uniquement de aunea, ne peut pas …
J'ai besoin de calculer le CDF de Dirichlet , mais je ne trouve que les implémentations du PDF . Connaissez-vous une bibliothèque (de préférence dans R) l'implémentant?
J'exécute la simulation sur un modèle linéaire. J'obtiens 1000 résultats et les résultats sont mis dans un graphique de densité. Je comprends que le xaxis est la variable dépendante et que les yaxis représentent la densité du noyau. Yaxis est en nombres décimaux comme de 0 à 0,15. Comment expliquer …
J'essaie d'adapter une distribution gamma inverse à trois paramètres à mes données en R ou en Python. Je voudrais le faire en utilisant l'estimation du maximum de vraisemblance (MLE). Le pdf du gamma inverse à trois paramètres est donné par: Où Γ est la fonction gamma, ρ est la forme, …
J'ai quelques données qui sont clairement tronquées à gauche. Je souhaite l'adapter à une estimation de densité qui le manipulera d'une certaine manière au lieu d'essayer de le lisser. Quelles méthodes connues (comme d'habitude en R) peuvent résoudre ce problème? Exemple de code: set.seed(1341) x <- c(runif(30, 0, 0.01), rnorm(100,3)) …
Supposons que nous ayons une variable aléatoire distribuée comme et distribuée comme , où signifie une distribution uniforme dans l'intervalle .X1X1X_1U[0,1]U[0,1]U[0,1]X2X2X_2U[0,X1]U[0,X1]U[0,X_1]U[a,b]U[a,b]U[a,b][a,b][a,b][a,b] J'ai pu calculer le pdf commun de et le pdf marginal de .(X1,X2)(X1,X2)(X_1,X_2)X1X1X_1 p(x1,x2)=1x1, for 0≤x1≤1,0≤x2≤x1,p(x1,x2)=1x1, for 0≤x1≤1,0≤x2≤x1, p(x_1,x_2) = \frac{1}{x_1}, \text{ for }\quad 0\le x_1\le 1, \quad 0\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.