Questions marquées «probability»

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




2
Point technique sur la convergence avec l'attente conditionnelle
J'ai une séquence de variables non négatives telles que: XnXnX_nE(Xn|Cn)=Cnn2E(Xn|Cn)=Cnn2E(X_n|C_n)=\frac{C_n}{n^2} où est une séquence de variables aléatoires convergeant presque sûrement vers .CnCnC_n111 Puis-je conclure que tend à 0 presque sûrement?XnXnX_n Remarque: vous pouvez remplacer par n'importe quelle séquence à somme finie. La question reste essentiellement la même et la réponse …

2
Binômes négatifs concurrents
Je jette un dé juste. Quelle est la distribution de probabilité du nombre de rouleaux jusqu'à ce que j'accumule d'abord: 1) Cinq uns 2) 20 occurrences de faces qui ne sont pas une? Je suis heureux de partager l'application réelle si cela peut vous aider.

1
Souhaitez-vous signaler ces données comme frauduleuses?
Supposons que vous ayez reçu des données d'un modèle de bloc aléatoire avec 4 répétitions et 23 traitements. Après une première inspection des données, vous constatez que pour 8 traitements toutes les répétitions sont identiques, ce qui est évidemment faux. Après avoir signalé le problème, vous êtes informé qu'il est …

1
Attente «inattendue»
L'un de nos experts Monte-Carlo peut-il expliquer l'attente "inattendue" à la fin de cette réponse ? Résumé ex post facto de l'autre question / réponse: si sont des variables aléatoires IID et que les attentes existent, alors un simple argument de symétrie montre que , mais une expérience de Monte …



3
Comment puis-je calculer ?
Supposons que est un échantillon aléatoire à partir d' une fonction de distribution continue . Soit indépendant des . Comment puis-je calculer ?Y1,…,Yn+1Y1,…,Yn+1Y_1,\dots,Y_{n+1}FFFX∼Uniform{1,…,n}X∼Uniform{1,…,n}X\sim\mathrm{Uniform}\{1,\dots,n\}YiYiY_iE[∑Xi=1I{Yi≤Yn+1}]E[∑i=1XI{Yi≤Yn+1}]\mathrm{E}\!\left[\sum _{i=1}^X I_{\{Y_i\leq Y_{n+1}\}}\right]


1
Attente conditionnelle d'une dérivation tronquée du RV, distribution de Gumbel (différence logistique)
J'ai deux variables aléatoires indépendantes et identiquement distribuées, à savoir :ϵ1,ϵ0∼iidGumbel(μ,β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta) F(ϵ)=exp(−exp(−ϵ−μβ)),F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f(ϵ)=1βexp(−(ϵ−μβ+exp(−ϵ−μβ))).f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = \dfrac{1}{\beta}\exp(-\left(\frac{\epsilon-\mu}{\beta}+\exp(-\frac{\epsilon-\mu}{\beta})\right)). J'essaie de calculer deux quantités: Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[c+\epsilon_{1}|c+\epsilon_{1}>\epsilon_{0}\right] Eϵ1Eϵ0|ϵ1[ϵ0| c+ϵ1&lt;ϵ0]Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[\epsilon_{0}|c+\epsilon_{1}<\epsilon_{0}\right] J'arrive à un point où je dois faire l'intégration sur quelque chose de la forme: , qui ne semble pas avoir d'intégrale …




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.