Questions marquées «uniform»

La distribution uniforme décrit une variable aléatoire qui est également susceptible de prendre n'importe quelle valeur dans son espace d'échantillonnage.








2
Limites de queue sur la norme euclidienne pour une distribution uniforme sur
Quelles sont les limites supérieures connues de la fréquence à laquelle la norme euclidienne d'un élément uniformément choisi de sera supérieur à un seuil donné?{−n, −(n−1), ..., n−1, n}d{−n, −(n−1), ..., n−1, n}d\:\{-n,~-(n-1),~...,~n-1,~n\}^d\: Je m'intéresse principalement aux bornes qui convergent exponentiellement vers zéro lorsque est bien inférieur à .nnnddd


2
Comment projeter uniformément un hachage sur un nombre fixe de compartiments
Salut chers statisticiens, J'ai une source générant des hachages (par exemple, calculer une chaîne avec un horodatage et d'autres informations et hacher avec md5) et je veux la projeter dans un nombre fixe de compartiments (disons 100). exemple de hachage: 0fb916f0b174c66fd35ef078d861a367 Ce que je pensais au début était de n'utiliser …
11 uniform 



3
Distribution de lorsque sont des variables indépendantes
Comme exercice de routine, j'essaie de trouver la distribution de où et sont des variables aléatoires indépendantes.X2+Y2−−−−−−−√X2+Y2\sqrt{X^2+Y^2}XXXYYYU(0,1)U(0,1) U(0,1) La densité conjointe de est (X,Y)(X,Y)(X,Y)fX,Y(x,y)=10&lt;x,y&lt;1fX,Y(x,y)=10&lt;x,y&lt;1f_{X,Y}(x,y)=\mathbf 1_{0\cos^{-1}\left(\frac{1}{z}\right)cosθcos⁡θ\cos\thetaθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]zsinθ&lt;1⟹θ&lt;sin−1(1z)zsin⁡θ&lt;1⟹θ&lt;sin−1⁡(1z)z\sin\theta<1\implies\theta<\sin^{-1}\left(\frac{1}{z}\right)sinθsin⁡θ\sin\thetaθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right] Donc, pour , nous avons .1&lt;z&lt;2–√1&lt;z&lt;21< z<\sqrt 2cos−1(1z)&lt;θ&lt;sin−1(1z)cos−1⁡(1z)&lt;θ&lt;sin−1⁡(1z)\cos^{-1}\left(\frac{1}{z}\right)<\theta<\sin^{-1}\left(\frac{1}{z}\right) La valeur absolue du jacobien de transformation est|J|=z|J|=z|J|=z Ainsi, la densité conjointe de est donnée par(Z,Θ)(Z,Θ)(Z,\Theta) fZ,Θ(z,θ)=z1{z∈(0,1),θ∈(0,π/2)}⋃{z∈(1,2√),θ∈(cos−1(1/z),sin−1(1/z))}fZ,Θ(z,θ)=z1{z∈(0,1),θ∈(0,π/2)}⋃{z∈(1,2),θ∈(cos−1⁡(1/z),sin−1⁡(1/z))}f_{Z,\Theta}(z,\theta)=z\mathbf …

3
Estimation du paramètre d'une distribution uniforme: a priori incorrect?
Nous avons N échantillons, , d'une distribution uniforme où est inconnue. Estimer partir des données.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Donc, la règle de Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} et la probabilité est: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (edit: quand pour tout , et 0 sinon - merci whuber)0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \thetaiii mais …

1
Quel est l'avantage d'utiliser des tests de permutation?
Lors du test d'hypothèses nulles ou alternatives par une statistique de test , où , appliquez le test de permutation avec l'ensemble de permutations sur et nous avons une nouvelle statistique U(X)U(X)U(X)X={xi,...,xn}X={xi,...,xn}X = \{ x_i, ..., x_n\}GGGXXXT(X):=#{π∈G:U(πX)≥U(X)}|G|.T(X):=#{π∈G:U(πX)≥U(X)}|G|. T(X) := \frac{\# \{\pi \in G: U(\pi X) \geq U(X)\}}{|G|}. Quel est l'avantage …

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.