Вопросы с тегом «mathematical-statistics»

Математическая теория статистики, связанная с формальными определениями и общими результатами.

2
Каков самый мощный результат о максимуме ид гауссиан? Наиболее используемый на практике?
Учитывая X1,…,Xn,…∼N(0,1)X1,…,Xn,…∼N(0,1)X_1, \ldots, X_n, \ldots \sim \mathscr{N}(0,1) iid, рассмотрим случайные величины Zn:=max1≤i≤nXi.Zn:=max1≤i≤nXi. Z_n := \max_{1 \le i \le n} X_i\,. Вопрос: Какой самый «важный» результат для этих случайных величин? Чтобы прояснить «важность», какой результат имеет большинство других таких результатов как логическое следствие? Какой из результатов чаще всего используется на практике? …

2
Как байесовская достаточность связана с достаточной частотой?
Простейшее определение достаточной статистики в частой перспективе дано здесь, в Википедии . Однако недавно я наткнулся на книгу Байеса с определением . В ссылке указано, что оба они эквивалентны, но я не понимаю, как это сделать. Также на той же странице в разделе «Другие типы достаточности» указано, что оба определения …

2
Отображение является стандартным Коши, когда является стандартным Коши
Если , найдите распределение .X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1)Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2} Мы имеемFY(y)=Pr(Y≤y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) =Pr(2X1−X2≤y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪Pr(X∈(−∞,−1−1+y2√y])+Pr(X∈(−1,−1+1+y2√y]),ify&gt;0Pr(X∈(−1,−1+1+y2√y])+Pr(X∈(1,−1−1+y2√y]),ify&lt;0={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify&gt;0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify&lt;0\qquad\qquad=\begin{cases} \mathrm{Pr}\left(X\in\left(-\infty,\frac{-1-\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y>0\\ \mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(1,\frac{-1-\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y<0 \end{cases} Интересно, правильное различие в приведенном выше случае или нет. С другой стороны, следующий метод кажется более простым: Мы можем написать используя тождествоY=tan(2tan−1X)Y=tan⁡(2tan−1⁡X)Y=\tan(2\tan^{-1}X)2tanz1−tan2z=tan2z2tan⁡z1−tan2⁡z=tan⁡2z\frac{2\tan z}{1-\tan^2z}=\tan 2z ТеперьX∼C(0,1)⟹tan−1X∼R(−π2,π2)X∼C(0,1)⟹tan−1⁡X∼R(−π2,π2)X\sim\mathcal C(0,1)\implies\tan^{-1}X\sim\mathcal R\left(-\frac{\pi}{2},\frac{\pi}{2}\right) ⟹2tan−1X∼R(−π,π)⟹2tan−1⁡X∼R(−π,π)\qquad\qquad\qquad\quad\implies 2\tan^{-1}X\sim\mathcal R(-\pi,\pi) ⟹tan(2tan−1X)∼C(0,1)⟹tan⁡(2tan−1⁡X)∼C(0,1)\qquad\qquad\qquad\quad\implies\tan\left(2\tan^{-1}X\right)\sim\mathcal C(0,1) , …

1
Можно ли из
Ну, мы не можем, например, посмотреть https://en.wikipedia.org/wiki/Subindependence за интересным контрпримером. Но реальный вопрос заключается в следующем: есть ли какой-нибудь способ усилить условие, чтобы независимость следовала? Например, существует ли некоторый набор функций так что если E g i ( X ) g j ( Y ) = E g i ( …

1
Полезен ли функциональный анализ и гильбертовы пространства в машинном обучении? Если так, то как?
Мне было интересно, как гильбертовы пространства и функциональный анализ полезны для машинного обучения? Я думал, что машинное обучение - это смесь статистики, информатики и оптимизации. Как функциональный анализ связан с этим?

1
Топологии, для которых ансамбль вероятностных распределений завершен
Я изо всех сил пытался согласовать свое интуитивное понимание распределений вероятностей со странными свойствами, которыми обладают почти все топологии распределений вероятностей. Например, рассмотрим смешанную случайную переменную : выберите гауссову с центром в 0 с дисперсией 1 и с вероятностью добавьте к результату. Последовательность таких случайных переменных будет сходиться (слабо и …

1
инвариантность корреляции к линейному преобразованию:
Это на самом деле является одной из проблем в 4-й редакции «Базовой эконометрики» Гуджарати (Q3.11), в которой говорится, что коэффициент корреляции инвариантен относительно изменения происхождения и масштаба, то есть где , , , - произвольные постоянные.corr(aX+b,cY+d)=corr(X,Y)corr(aX+b,cY+d)=corr(X,Y)\text{corr}(aX+b, cY+d) = \text{corr}(X,Y)aaabbbcccddd Но мой главный вопрос заключается в следующем: пусть и являются парными …

3
Набор некоррелированных, но линейно зависимых переменных
Можно ли иметь набор из переменных, которые не коррелированы, но линейно зависимы?KKK т.е. и∑ K i = 1 a i x i = 0cor(xi,xj)=0cor(xi,xj)=0cor(x_i, x_j)=0∑Ki=1aixi=0∑i=1Kaixi=0 \sum_{i=1}^K a_ix_i=0 Если да, можете ли вы написать пример? РЕДАКТИРОВАТЬ: Из ответов следует, что это невозможно. По крайней мере, возможно ли, что где - это …


1
Как генерировать равномерно случайные ортогональные матрицы положительного определителя?
У меня, наверное, глупый вопрос, о котором, должен признаться, я запутался. Представьте себе повторяющуюся генерацию равномерно распределенной случайной ортогональной (ортонормированной) матрицы некоторого размера . Иногда сгенерированная матрица имеет определитель 1, а иногда - 1 . (Есть только два возможных значения. С точки зрения ортогонального вращения, det = - 1 означает, …

1
Разве отрицательный бином не выражен, как в экспоненциальном семействе, если есть 2 неизвестных?
У меня было домашнее задание, чтобы выразить отрицательное биномиальное распределение как экспоненциальное семейство распределений, учитывая, что параметр дисперсии был известной константой. Это было довольно легко, но я удивлялся, почему они требуют, чтобы мы держали этот параметр фиксированным. Я обнаружил, что не могу придумать способ привести его в правильную форму с …

1
Наблюдаемая информация Фишера при преобразовании
θ↦g(θ)=ψθ↦g(θ)=ψ\theta\mapsto g(\theta)=\psiг L * ( ψ ) = L ( г - 1 ( ψ ) ) θ г Я * ( г ( θ ) ) = Я ( θ ) | ∂ г ( θ )L∗(ψ)=max{θ:g(θ)=ψ}L(θ)L∗(ψ)=max{θ:g(θ)=ψ}L(θ) L^*(\psi)=\max_{\{\theta:g(\theta)=\psi\}} L(\theta) gggL∗(ψ)=L(g−1(ψ))L∗(ψ)=L(g−1(ψ))L^*(\psi)=L(g^{-1}(\psi))θθ\thetagggI∗(g(θ^))=I(θ^)∣∣∣∣∂g(θ^)∂θ^∣∣∣∣−2,I∗(g(θ^))=I(θ^)|∂g(θ^)∂θ^|−2, I^*(g(\hat{\theta}))=I(\hat{\theta})\left|\frac{\partial g(\hat{\theta})}{\partial \hat{\theta}}\right|^{-2}, где - наблюдаемая информация Фишера, а …

1
Аддитивная или мультипликативная декомпозиция
Мой вопрос очень простой, но это те, которые действительно меня заводят :) Я не знаю, как оценить, нужно ли разложить определенный временной ряд, используя аддитивный или мультипликативный метод разложения. Я знаю, что есть визуальные подсказки, как отличить их друг от друга, но я их не понимаю. Возьмем, к примеру, этот …

1
Моделирование сходимости по вероятности к константе
Асимптотические результаты не могут быть подтверждены компьютерным моделированием, потому что они являются утверждениями, включающими понятие бесконечности. Но мы должны иметь возможность почувствовать, что вещи действительно идут так, как нам подсказывает теория. Рассмотрим теоретический результат Итn → ∞п( | XN| &gt;ϵ)=0,ε &gt; 0ИтN→∞п(|ИксN|&gt;ε)знак равно0,ε&gt;0\lim_{n\rightarrow\infty}P(|X_n|>\epsilon) = 0, \qquad \epsilon >0 где ИксNИксNX_n …

4
Какие важные курсы по чистой математике для будущих аспирантов статистики?
Я знаю, что линейная алгебра и анализ (особенно теория меры) важны. Полезно ли проходить курсы магистратуры в области реального и комплексного анализа? Должен ли я пройти курсы абстрактной алгебры помимо вводных курсов, например, коммутативной алгебры и алгебраической геометрии?

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.