Вопросы с тегом «mgf»

Мой проф проф в основном сказал, если дать один из следующих трех, вы можете найти два других: Кумулятивная функция распределения Функция генерирования момента Функция плотности вероятности Но мой профессор по эконометрике сказал, что CDF являются более фундаментальными, чем PDF, потому что есть примеры, где вы можете иметь CDF, но PDF …

43 probability  pdf  cdf  mgf 

Как работает приближение седловой точки? Для каких проблем это хорошо? (Не стесняйтесь использовать конкретный пример или примеры в качестве иллюстрации) Есть ли какие-либо недостатки, трудности, вещи, на которые стоит обратить внимание, или ловушки для неосторожных?

38 distributions  mathematical-statistics  mgf  saddlepoint-approximation  partial-moments 

Я ищу некоторые вероятностные неравенства для сумм неограниченных случайных величин. Я был бы очень признателен, если кто-нибудь может дать мне некоторые мысли. Моя задача состоит в том, чтобы найти экспоненциальную верхнюю границу вероятности того, что сумма неограниченных случайных величин iid, которые на самом деле являются умножением двух iid Gaussian, превышает …

37 probability  mathematical-statistics  probability-inequalities  mgf 

Может ли распределение с конечным средним и бесконечной дисперсией иметь моментную функцию? Как насчет распределения с конечным средним и конечной дисперсией, но с бесконечно большими моментами?

28 variance  moments  mgf 

Wackerly др текстовой утверждает эту теорему «Пусть mx(t)mx(t)m_x(t) и my(t)my(t)m_y(t) обозначат момент-производящих функции случайных величин X и Y, соответственно. Если оба момента , генерирующие функции существуют и mx(t)=my(t)mx(t)=my(t)m_x(t) = m_y(t) для всех значений t, тогда X и Y имеют одинаковое распределение вероятностей ". без доказательства того, что это выходит за …

19 mathematical-statistics  references  moments  proof  mgf 

Я пытаюсь понять связь между генерирующей момент функцией и характеристической функцией. Генерирующая момент функция определяется как: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Используя разложение в ряд Я могу найти все моменты распределения для случайной величины X.exp(tX)=∑∞0(t)n⋅Xnn!exp⁡(tX)=∑0∞(t)n⋅Xnn!\exp(tX) = \sum_0^{\infty} \frac{(t)^n …

17 probability  moments  mgf  method-of-moments  characteristic-function 

Следующие похожи, но отличаются от предыдущих постов здесь и здесь Для двух распределений, которые допускают моменты всех порядков, если все моменты двух распределений одинаковы, то являются ли они одинаковыми распределениями ae? Для двух распределений, которые допускают функции, порождающие моменты, если они имеют одинаковые моменты, являются ли их функции, порождающие моменты, …

17 distributions  lognormal  moments  mgf 

Есть ли какая-нибудь информация о распределении, й кумулянт которого равен ? Генерирующая функция кумулянта имеет вид Я столкнулся с этим как с ограничивающим распределением некоторых случайных переменных, но я не смог найти никакой информации по нему.NNn1N1N\frac 1 nκ ( t ) = ∫10ет х- 1Икс dх .κ(T)знак равно∫01еTИкс-1Икс dИкс, \kappa(t) …

16 distributions  mgf  cumulants 

Что такое функция генерации момента (MGF)? Можете ли вы объяснить это с точки зрения непрофессионала и вместе с простым и легким примером? Пожалуйста, ограничьте использование формальных математических обозначений, насколько это возможно.

15 moments  intuition  mgf 

Этот вопрос возникает из вопроса, который здесь задают о функции, порождающей момент (MGF). Предположим, что XXX - ограниченная случайная величина со средним нулем, принимающая значения в [−σ,σ][−σ,σ][-\sigma, \sigma] и пусть G(t)=E[etX]G(t)=E[etX]G(t) = E[e^{tX}] - ее MGF. Из а связаны используется в доказательстве неравенства Хёфдинга , мы имеем , что G(t)=E[etX]≤eσ2t2/2G(t)=E[etX]≤eσ2t2/2G(t) …

14 probability  probability-inequalities  mgf 

Я запутался между двумя терминами «функция, генерирующая вероятность» и «функция, генерирующая момент». Как эти термины отличаются?

13 probability  distributions  terminology  intuition  mgf 

У нас есть большое разнообразие методов для случайной генерации из одномерных распределений (обратное преобразование, принятие-отклонение, Метрополис-Гастингс и т. Д.), И кажется, что мы можем выбрать буквально из любого действительного распределения - это правда? Не могли бы вы привести какой-нибудь пример одномерного распределения, из которого невозможно произвести случайную генерацию? Я полагаю, …

12 distributions  simulation  random-generation  mgf  philosophical 

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 <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- …

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 

Существуют ли неидентичные распределения, которые имеют одну и ту же функцию, генерирующую моменты?

12 distributions  moments  mgf 

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