J'ai une série de fonctions, chacune représentant soi-disant la densité d'une variable aléatoire parmi les agents. Chaque fonction possède également un domaine, qui décrit quelles valeurs de la variable aléatoire sont valides. Maintenant, si je me souviens bien de mes classes de statistiques, si je prends l'intégrale d'une des fonctions …
Problème J'écris une fonction R qui effectue une analyse bayésienne pour estimer une densité postérieure à partir d'un préalable informé et de données. Je voudrais que la fonction envoie un avertissement si l'utilisateur doit reconsidérer le préalable. Dans cette question, je suis intéressé à apprendre à évaluer un a priori. …
Je résous les cubes de Rubik comme passe-temps. J'enregistre le temps qu'il m'a fallu pour résoudre le cube en utilisant un logiciel, et maintenant j'ai des données de milliers de résolutions. Les données sont essentiellement une longue liste de nombres représentant le temps pris par chaque résolution séquentielle (par exemple …
Les récents événements au Japon m'ont fait penser à ce qui suit. Les centrales nucléaires sont généralement conçues pour limiter le risque d'accidents graves à une «probabilité de référence», par exemple 10E-6 / an. Ce sont les critères d'une seule usine. Cependant, lorsqu'il y a une population de centaines de …
J'ai un ensemble de données avec beaucoup de zéros qui ressemble à ceci: set.seed(1) x <- c(rlnorm(100),rep(0,50)) hist(x,probability=TRUE,breaks = 25) Je voudrais tracer une ligne pour sa densité, mais la density()fonction utilise une fenêtre mobile qui calcule les valeurs négatives de x. lines(density(x), col = 'grey') Il y a des …
Le processus de Dirichlet et le processus gaussien sont souvent appelés «distributions sur fonctions» ou «distributions sur distributions». Dans ce cas, puis-je parler de manière significative de la densité d'une fonction sous un GP? Autrement dit, le processus gaussien ou le processus de Dirichlet ont-ils une notion de densité de …
J'ai appris la régression du processus gaussien à partir de vidéos en ligne et de notes de cours, si je comprends bien, si nous avons un ensemble de données avec points, nous supposons que les données sont échantillonnées à partir d'un gaussien multivarié à dimensions. Donc ma question est dans …
Pour une variable aléatoire continue XXX , si E(|X|)E(|X|)E(|X|) est fini, est-ce que limn→∞nP(|X|>n)=0limn→∞nP(|X|>n)=0\lim_{n\to\infty}n P(|X|>n)=0 ? C'est un problème que j'ai trouvé sur Internet, mais je ne sais pas s'il tient ou non. Je sais que nP(|X|>n)<E(|X|)nP(|X|>n)<E(|X|)n P(|X|>n)<E(|X|) tient à l'inégalité de Markov, mais je ne peux pas montrer qu'elle …
Existe-t-il une définition formelle (mathématique) de ce que les fréquentistes entendent par «probabilité»? J'ai lu que c'est la fréquence relative d'occurrence «à long terme», mais existe-t-il un moyen formel de la définir? Y a-t-il des références connues où je peux trouver cette définition? ÉDITER: Par fréquentiste (voir le commentaire de …
soit et .W ∼ χ 2 ( s )Z∼N(0,1)Z∼N(0,1)Z \sim N(0,1)W∼χ2(s)W∼χ2(s)W \sim \chi^2(s) Si et sont distribués indépendamment, la variable suit une distribution avec des degrés de liberté .W Y = ZZZZWWW tsY=ZW/s√Y=ZW/sY = \frac{Z}{\sqrt{W/s}}tttsss Je cherche une preuve de ce fait, une référence est assez bonne si vous ne …
Nous disons que convergent complètement vers si pour chaque .X1,X2,…X1,X2,…X_1, X_2, \ldotsXXXϵ>0ϵ>0\epsilon>0 ∑∞n=1P(|Xn−X|>ϵ)<∞∑n=1∞P(|Xn−X|>ϵ)<∞\sum_{n=1}^\infty \text{P}\left(|X_n-X|>\epsilon\right) <\infty Avec le lemme de Borel Cantelli, il est simple de prouver qu'une convergence complète implique une convergence presque sûre. Je cherche un exemple où la convergence ne peut pas être prouvée avec Borel Cantelli. Il …
Soit un échantillon aléatoire issu d'une distribution pour . C'est à dire,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0<θ<10<θ<10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Trouver l'estimateur sans biais avec la variance minimale pourg(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} Ma tentative: Comme la distribution géométrique est de la famille exponentielle, les statistiques sont complètes et suffisantes pour . De plus, si est un estimateur …
Voici un exemple de cas: J'ai une population de 10 000 articles. Chaque élément a un identifiant unique. Je choisis au hasard 100 articles et enregistre les identifiants J'ai remis les 100 articles dans la population Je choisis à nouveau au hasard 100 articles, enregistre les identifiants et les remplace. …
J'ai le problème suivant: J'ai 100 articles uniques (n), et j'en sélectionne 43 (m) un à la fois (avec remplacement). Je dois résoudre pour le nombre attendu d'uniques (sélectionné une seule fois, k = 1), doubles (sélectionnés exactement deux fois k = 2), tripples (exactement k = 3), quads etc …
J'essaie d'adapter un modèle à temps discret dans R, mais je ne sais pas comment le faire. J'ai lu que vous pouvez organiser la variable dépendante dans différentes lignes, une pour chaque observation de temps, et utiliser la glmfonction avec un lien logit ou cloglog. En ce sens, j'ai trois …
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.