Questions marquées «probability»

Une probabilité fournit une description quantitative de l'occurrence probable d'un événement particulier.



1
Comment puis-je prouver que les données de l'expérience suivent la distribution à queue lourde?
J'ai plusieurs résultats de test de délai de réponse du serveur. Selon notre analyse théorique, la distribution de retard (la fonction de distribution de probabilité du retard de réponse) devrait avoir un comportement de queue lourde. Mais comment pourrais-je prouver que le résultat du test suit la distribution à queue …

1
Comment calculer
J'essaie de résoudre un problème pour ma thèse et je ne vois pas comment le faire. J'ai 4 observations tirées au hasard d'une distribution uniforme ( 0 , 1 )(0,1)(0,1) . Je veux calculer la probabilité que 3 X( 1 )≥ X( 2 )+ X( 3 )3X(1)≥X(2)+X(3)3 X_{(1)}\ge X_{(2)}+X_{(3)} . …

3
Le paradoxe du magicien de prestige
Vous connaissez probablement l'astuce dans le film The Prestige : [SPOILER DU FILM] Un magicien a trouvé un tour de magie impressionnant: il entre dans une machine, ferme la porte, puis disparaît et réapparaît de l'autre côté de la pièce. Mais la machine n'est pas parfaite: au lieu de simplement …



2
Calculer la courbe ROC pour les données
Donc, j'ai 16 essais dans lesquels j'essaie d'authentifier une personne à partir d'un trait biométrique en utilisant Hamming Distance. Mon seuil est fixé à 3,5. Mes données sont ci-dessous et seul l'essai 1 est un vrai positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 


1
Densité antérieure non informative sur la normale
L'analyse des données bayésiennes (p. 64) dit, concernant un modèle normal : une densité a priori vague sensible pour μμ\mu et σσ\sigma, en supposant une indépendance préalable des paramètres de localisation et d'échelle, est uniforme sur ( μ , logσ)(μ,Journal⁡σ)(\mu, \log \sigma), ou équivalent, p ( μ ,σ2) ∝ (σ2)- …

1
Valeur attendue du rapport des variables aléatoires corrélées?
Pour les variables aléatoires indépendantes et , existe-t-il une expression de forme fermée pourαα\alphaββ\beta E[αα2+β2√]E[αα2+β2]\mathbb E \left[ \frac{\alpha}{\sqrt{\alpha^2 + \beta^2}} \right] en termes de valeurs et de variances attendues de et ? Sinon, y a-t-il une bonne limite inférieure à cette attente?αα\alphaββ\beta Mise à jour: je peux aussi mentionner que …


2
Distribution conditionnelle de la variable aléatoire uniforme étant donné la statistique de l'Ordre
J'ai la question suivante sous la main: Supposons que sont des variables aléatoires iid suivant Unif . quelle est la distribution conditionnelle de étant donné ?U,VU,VU,V(0,1)(0,1)(0,1)UUUZ:=max(U,V)Z:=max(U,V)Z:=\max(U,V) J'ai essayé d'écrire Z=I⋅V+(1−I)⋅UZ=I⋅V+(1−I)⋅UZ=\Bbb{I}\cdot V+(1-\Bbb{I})\cdot U où I={10U<VU>VI={1U<V0U>V\Bbb{I}=\begin{cases}1&U;V\end{cases} Mais je ne vais nulle part.

2
Pourquoi les distributions de probabilité se multiplient-elles ici?
Soit par exemple votre nombre de jours restant à vivre. Un médecin 1 évalue la distribution de comme un gaussien: . Un autre médecin indépendant 2 évalue . Les deux médecins sont également fiables. Comment combiner les deux informations?XXXXXXP(X)∼N(μ1,σ1)P(X)∼N(μ1,σ1)P(X)\sim\mathcal{N}(\mu_1,\sigma_1)P(X)∼N(μ2,σ2)P(X)∼N(μ2,σ2)P(X)\sim\mathcal{N}(\mu_2,\sigma_2) Dans cet article de blog , l'auteur dit que Si nous …


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.