La distribution uniforme décrit une variable aléatoire qui est également susceptible de prendre n'importe quelle valeur dans son espace d'échantillonnage.
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 …
La fonction de densité de probabilité d'une distribution uniforme (continue) est indiquée ci-dessus. L'aire sous la courbe est 1 - ce qui est logique puisque la somme de toutes les probabilités dans une distribution de probabilité est 1. Formellement, la fonction de probabilité ci-dessus (f (x)) peut être définie comme …
Soit X1,…,Xn∼U(0,1)X1,…,Xn∼U(0,1)X_1,\dots,X_n \sim U(0,1) des variables aléatoires uniformes standard indépendantes et distribuées de manière identique. Let Yn=∑inX2iI seek: E[Yn−−√]Let Yn=∑inXi2I seek: E[Yn]\text{Let }\quad Y_n=\sum_i^nX_i^2 \quad \quad \text{I seek: } \quad \mathbb{E}\big[\sqrt{Y_n } \big] L'attente de YnYnY_n est simple: E[X2]E[Yn]=∫10y2y√=13=E[∑inX2i]=∑inE[X2i]=n3E[X2]=∫01y2y=13E[Yn]=E[∑inXi2]=∑inE[Xi2]=n3\begin{align} \mathbb{E}\left[X^2\right] &=\int_0^1\frac{y}{2\sqrt{y}}=\frac{1}{3}\\ \mathbb{E}\left[Y_n\right] &=\mathbb{E}\left[\sum_i^nX_i^2\right] = \sum_i^n\mathbb{E}\left[X_i^2\right]=\frac{n}{3} \end{align} Maintenant pour la partie …
Dans un certain but, j'ai besoin de générer des nombres aléatoires (données) à partir de la distribution "uniforme en pente". La "pente" de cette distribution peut varier dans un intervalle raisonnable, et alors ma distribution devrait changer d'uniforme à triangulaire en fonction de la pente. Voici ma dérivation: Rendons les …
Considérons 3 échantillons iid tirés de la distribution uniforme , où est paramètre. Je veux trouver où est la statistique d'ordre .θ E [ X ( 2 ) | X ( 1 ) , X ( 3 ) ] X ( i ) iu ( θ , 2 θ )u(θ,2θ)u(\theta, …
Si je devais définir les coordonnées et où( X 2 ,( X1, Y1)(X1,Oui1)(X_{1},Y_{1})( X2, Y2)(X2,Oui2)(X_{2},Y_{2}) X1, X2∼ Unif ( 0 , 30 ) et Y1, Y2∼ Unif ( 0 , 40 ) .X1,X2∼Unif(0,30) et Oui1,Oui2∼Unif(0,40).X_{1},X_{2} \sim \text{Unif}(0,30)\text{ and }Y_{1},Y_{2} \sim \text{Unif}(0,40). Comment trouver la valeur attendue de la distance entre …
En supposant que j'ai un ensemble de données avec dimensions (par exemple ) de sorte que chaque dimension soit iid (alternativement, chaque dimension ) et indépendante de L'une et l'autre.dddd=20d=20d=20Xi∼U[0;1]Xi∼U[0;1]X_i \sim U[0;1]Xi∼N[0;1]Xi∼N[0;1]X_i \sim \mathcal N[0;1] Maintenant, je dessine un objet aléatoire de cet ensemble de données et prends les voisins …
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)} . …
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.
J'ai besoin de trouver une classe de distribution symétrique à faible kurtosis, qui comprend la distribution uniforme, triangulaire et normale gaussienne. La distribution Irwin Hall (somme uniforme standard) offre cette caractéristique, mais ne traite pas des ordres non entiers . Cependant, si, par exemple, vous résumez simplement indépendamment, par exemple …
Supposons que vous ayez une pièce de monnaie équitable que vous pouvez lancer autant de fois que vous le souhaitez (éventuellement infiniment). Est-il possible de générer la distribution uniforme discrète sur( 1 , 2 , . . . , K )(1,2,...,k)(1,2,...,k), où kkkn'est pas une puissance de 2? Comment feriez-vous? …
Ma question est assez simple: laissez XXX et OuiOuiY être deux variables aléatoires uniformes non corrélées sur [ - 1 , 1 ][-1,1][-1,1]. Sont-ils indépendants? J'avais l'impression que deux variables aléatoires non corrélées ne sont nécessairement nécessairement indépendantes que si leur distribution conjointe est normale. Cependant, je ne peux pas …
Supposons que X =(X1,...,Xn)(X1,...,Xn)(X_1, ..., X_n) ~ U(θ,2θ)U(θ,2θ)U(\theta, 2\theta), où θ∈R+θ∈R+\theta \in \Bbb{R}^+. Comment calcule-t-on l'espérance conditionnelle de E[X1|X(1),X(n)]E[X1|X(1),X(n)]E[X_1|X_{(1)},X_{(n)}], où X(1)X(1)X_{(1)} et X(n)X(n)X_{(n)} sont les statistiques de commande les plus petites et les plus importantes respectivement? Ma première pensée serait que, puisque les statistiques de commande limitent la plage, il …
J'examine comment la distance euclidienne minimale attendue entre des points uniformément aléatoires et l'origine change à mesure que nous augmentons la densité de points aléatoires ( points par unité de carré ) autour de l'origine. J'ai réussi à trouver une relation entre les deux décrits comme tels: Distance minimale prévue …
Je voudrais générer un processus Monte Carlo pour remplir une urne avec N boules de couleurs I, C [i]. Chaque couleur C [i] a un nombre minimum et maximum de boules qui doivent être placées dans l'urne. Par exemple, j'essaie de mettre 100 balles dans l'urne et je peux la …
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.