Вопросы с тегом «cauchy»

Из функции плотности распределения мы можем определить среднее значение (= 0) для распределения Коши, как показано на графике ниже. Но почему мы говорим, что распределение Коши не имеет значения?

109 distributions  mathematical-statistics  mean  pdf  cauchy 

В настоящее время я работаю над проблемой, в которой мне нужно разработать алгоритм Монте-Карло с цепью Маркова (MCMC) для модели пространства состояний. Чтобы решить проблему, мне была дана следующая вероятность : p ( τ ) = 2I ( τ > 0) / (1+ τ 2 ). τ - стандартное отклонениеττ\tauττ\tauττ\tauτ2τ2\tau^2ττ\tau …

24 distributions  bayesian  prior  state-space-models  cauchy 

Может ли кто-нибудь дать мне несколько практических примеров распределения Коши? Что делает его таким популярным?

16 distributions  continuous-data  cauchy 

Для удержания CLT нам нужно распределение, которое мы хотим приблизить, чтобы иметь среднее и конечную дисперсию . Верно ли говорить, что для случая распределения Коши, среднее значение и дисперсия которого не определены, центральная предельная теорема не может обеспечить хорошее приближение даже асимптотически?σ 2μμ\muσ2σ2\sigma^2

15 probability  central-limit-theorem  asymptotics  cauchy 

Является ли распределение Коши «непредсказуемым»? Я пытался делать cs <- function(n) { return(rcauchy(n,0,1)) } в R для множества n значений и заметил, что они время от времени генерируют довольно непредсказуемые значения. Сравните это, например, с as <- function(n) { return(rnorm(n,0,1)) } который всегда, кажется, дает «компактное» облако точек. По этой …

14 distributions  intuition  cauchy 

Обычно, когда кто-то выбирает средние значения случайной выборки распределения (с размером выборки больше 30), получается нормальное распределение, центрированное вокруг среднего значения. Однако я слышал, что распределение Коши не имеет среднего значения. Какое распределение тогда получают при получении выборочных средних распределения Коши? В основном для распределения Коши не определено, так что …

14 cauchy 

После центрирования два измерения x и -x можно считать независимыми наблюдениями из распределения Коши с функцией плотности вероятности: 1f(x:θ)=f(x:θ)=f(x :\theta) = ,-∞&lt;x&lt;∞1π(1+(x−θ)2)1π(1+(x−θ)2)1\over\pi (1+(x-\theta)^2) ,−∞&lt;x&lt;∞,−∞&lt;x&lt;∞, -∞ < x < ∞ Покажите, что если MLE для θ равно 0, но если x 2 &gt; 1, есть два MLE для θ , равные …

13 self-study  distributions  maximum-likelihood  cauchy 

У меня очень большой набор данных и около 5% случайных значений отсутствуют. Эти переменные связаны друг с другом. В следующем примере набор данных R - просто игрушечный пример с фиктивными коррелированными данными. set.seed(123) # matrix of X variable xmat &lt;- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) &lt;- …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Если следует распределению Коши, то также следует точно тому же распределению, что и ; увидеть эту тему .Y = ˉ X = 1XXXXY=X¯=1n∑ni=1XiY=X¯=1n∑i=1nXiY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX У этого свойства есть имя? Есть ли другие дистрибутивы, для которых это правда? РЕДАКТИРОВАТЬ Еще один способ задать этот вопрос: пусть …

11 distributions  expected-value  central-limit-theorem  cauchy 

По центральной предельной теореме функция плотности вероятности суммы больших независимых случайных величин стремится к нормали. Поэтому можно ли сказать, что сумма большого числа независимых случайных величин Коши также является нормальной?

9 random-variable  central-limit-theorem  cauchy