Вопросы с тегом «joint-distribution»

Если совместная вероятность является пересечением двух событий, то не должна ли совместная вероятность двух независимых событий быть нулевой, поскольку они вообще не пересекаются? Я запутался.

30 probability  joint-distribution 

Фреш-Хёфдинг верхней границы относится к функции распределения копулы и задается C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. Есть ли подобные (в том смысле , что оно зависит от предельных плотностей) до верхней границы для плотности копулы c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) вместо CDF? Любая ссылка будет принята с благодарностью.

16 references  joint-distribution  bounds  copula 

Я пишу об использовании «совместного распределения вероятностей» для аудитории, которая с большей вероятностью поймет «многомерное распределение», поэтому я подумываю использовать позже. Тем не менее, я не хочу терять смысл при этом. Википедия, кажется, указывает, что это синонимы. Они? Если нет, то почему нет?

15 probability  terminology  joint-distribution  definition 

Пусть - совместное распределение двух категориальных переменных с . Скажем, из этого распределения было взято выборок, но нам даны только предельные значения, а именно для : X , Y x , y ∈ { 1 , … , K } n j = 1 , … , Kпх , уpx,yp_{x,y}Икс, …

12 categorical-data  maximum-likelihood  joint-distribution  marginal  maximum-entropy 

Предположим, у меня есть совместная функция, генерирующая момент для совместного распределения с CDF . Является ли необходимым и достаточным условием независимости и ? Я проверил пару учебников, в которых упоминалась только необходимость:MX,Y(s,t)MX,Y(s,t)M_{X,Y}(s,t)FX,Y(x,y)FX,Y(x,y)F_{X,Y}(x,y)MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)M_{X,Y}(s,t)=M_{X,Y}(s,0)⋅M_{X,Y}(0,t)XXXYYY FX,Y(x,y)=FX(x)⋅FY(y)⟹MX,Y(s,t)=MX(s)⋅MY(t)FX,Y(x,y)=FX(x)⋅FY(y)⟹MX,Y(s,t)=MX(s)⋅MY(t)F_{X,Y}(x,y)=F_X(x)\cdot F_Y(y) \implies M_{X,Y}(s,t)=M_X(s) \cdot M_Y(t) Этот результат очевиден, поскольку независимость подразумевает . Так как MGF маргиналов определяются …

12 probability  independence  joint-distribution  mgf 

Одна из проблем в моем учебнике состоит в следующем. Двумерный стохастический непрерывный вектор имеет следующую функцию плотности: еИкс, Y( х , у) = { 15 х у20если 0 <x <1 и 0 <y <xв противном случаеfX,Y(x,y)={15xy2if 0 < x < 1 and 0 < y < x0otherwise f_{X,Y}(x,y)= \begin{cases} 15xy^2 …

10 self-study  random-variable  marginal  joint-distribution 

Название подводит итог моего вопроса, но для ясности рассмотрим следующий простой пример. Пусть Икся∽я я дN( 0 , 1 )Икся∽яяdN(0,1)X_i \overset{iid}{\backsim} \mathcal{N}(0, 1) , я = 1 , . , , , нязнак равно1,,,,,Ni = 1, ..., n . Определите: SN= 1NΣя = 1NИксяSNзнак равно1NΣязнак равно1NИкся\begin{equation} S_n = \frac{1}{n} \sum_{i=1}^n …

10 normal-distribution  multivariate-analysis  independence  central-limit-theorem  joint-distribution 

Предположим, у меня есть одна выборка частот из 4 возможных событий: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 и у меня есть ожидаемые вероятности того, что мои события произойдут: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 С суммой наблюдаемых частот …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom