Вопросы с тегом «minimum»


5
Почему k-means не дает глобального минимума?
Я читал, что алгоритм k-средних сходится только к локальному минимуму, а не к глобальному минимуму. Почему это? Я могу логически подумать о том, как инициализация может повлиять на окончательную кластеризацию, и есть вероятность неоптимальной кластеризации, но я не нашел ничего, что математически доказало бы это. Кроме того, почему k-означает итеративный …

4
Несмещенная оценка для меньшей из двух случайных величин
Предположим, что X∼N(μx,σ2x)X∼N(μx,σx2)X \sim \mathcal{N}(\mu_x, \sigma^2_x) и Y∼N(μy,σ2y)Y∼N(μy,σy2)Y \sim \mathcal{N}(\mu_y, \sigma^2_y) z=min(μx,μy)z=min(μx,μy)z = \min(\mu_x, \mu_y)zzz Простая оценка где и являются примерами средних значений и , например, смещена (хотя и непротиворечива). Это имеет тенденцию к недоразвитию .min(x¯,y¯)min(x¯,y¯)\min(\bar{x}, \bar{y})x¯x¯\bar{x}y¯y¯\bar{y}XXXYYYzzz Я не могу думать о непредвзятой оценке для . Один существует?zzz Спасибо за …

2
Упорядочить статистику (например, минимум) бесконечного набора переменных хи-квадрат?
Это мой первый раз здесь, поэтому, пожалуйста, дайте мне знать, если я смогу уточнить свой вопрос каким-либо образом (включая форматирование, теги и т. Д.). (И, надеюсь, я смогу редактировать позже!) Я пытался найти ссылки и пытался решить сам, используя индукцию, но потерпел неудачу в обоих случаях. Я пытаюсь упростить распределение, …

1
Оценка максимального правдоподобия для минимума экспоненциальных распределений
Я застрял на том, как решить эту проблему. Итак, у нас есть две последовательности случайных величин: и для . Теперь и являются независимыми экспоненциальными распределениями с параметрами и . Однако, вместо того, чтобы наблюдать и , мы видим вместо и .Y я я = 1 , . , , , …

3
Расчет распределения от минимального, среднего и максимального
Предположим, у меня есть минимум, среднее значение и максимум некоторого набора данных, скажем, 10, 20 и 25. Есть ли способ: создать распределение из этих данных, и знать, какой процент населения, вероятно, лежит выше или ниже среднего Редактировать: Согласно предложению Глена, предположим, что у нас размер выборки 200.

2
Улучшение минимальной оценки
Предположим , что у меня есть положительные параметры для оценки и их соответствующие непредвзятые оценки , полученные с помощью оценок , то есть , и так далее.nnnμ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_nnnnμ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}E[μ1^]=μ1E[μ1^]=μ1\mathrm E[\hat{\mu_1}]=\mu_1E[μ2^]=μ2E[μ2^]=μ2\mathrm E[\hat{\mu_2}]=\mu_2 Я хотел бы оценить используя оценки. Очевидно, что наивный оценщик смещен ниже как min(μ1,μ2,...,μn)min(μ1,μ2,...,μn)\mathrm{min}(\mu_1,\mu_2,...,\mu_n)min(μ1^,μ2^,...,μn^)min(μ1^,μ2^,...,μn^)\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)\mathrm E[\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})]\leq \mathrm{min}(\mu_1,\mu_2,...,\mu_n) Предположим, что у меня также …

3
Если ,
Предположим следующее: Пусть Zi=min{ki,Xi},i=1,...,nZi=min{ki,Xi},i=1,...,nZ_i = \min\{k_i, X_i\}, i=1,...,n . Также Xi∼U[ai,bi],ai,bi>0Xi∼U[ai,bi],ai,bi>0X_i \sim U[a_i, b_i], \; a_i, b_i >0 . Кроме того, Кя= сaя+ ( 1 - с )bя,0 < с < 1kязнак равносaя+(1-с)бя,0<с<1k_i = ca_i + (1-c)b_i,\;\; 0 k_i) = 1- \Pr(X_i \le k_i) = 1 - кя- аябя- ая= …

1
Ожидаемое значение статистики минимального заказа из обычной выборки
ОБНОВЛЕНИЕ 25 января 2014: ошибка теперь исправлена. Пожалуйста, игнорируйте рассчитанные значения ожидаемого значения в загруженном изображении - они неверны - я не удаляю изображение, потому что оно сгенерировало ответ на этот вопрос. ОБНОВЛЕНИЕ 10 января 2014: ошибка была найдена - математическая опечатка в одном из использованных источников. Готовимся к исправлению …

1
Переменная кода в функции nlm ()
В R есть функция nlm (), которая выполняет минимизацию функции f с помощью алгоритма Ньютона-Рафсона. В частности, эта функция выводит значение кода переменной, определенного следующим образом: закодируйте целое число, указывающее, почему процесс оптимизации завершился. 1: относительный градиент близок к нулю, текущая итерация, вероятно, является решением. 2: последовательные итерации в пределах …
9 r  minimum 
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.