Вопросы с тегом «normal-distribution»

Нормальное или гауссовское распределение имеет функцию плотности, которая является симметричной кривой в форме колокола. Это один из самых важных распределений в статистике. Используйте тег [normality] для запроса о тестировании на нормальность.

1
Центральная предельная теорема для квадратных корней сумм iid случайных величин
Заинтригованный вопросом на math.stackexchange и исследующий его эмпирически, я задаюсь вопросом о следующем утверждении о квадратном корне из сумм iid случайных величин. Предположим, что - это случайные величины с конечным ненулевым средним и дисперсией и . Центральная предельная теорема гласит: при увеличении . μ σ 2 Y = n ∑ …

1
R / mgcv: Почему тензорные продукты te () и ti () производят разные поверхности?
mgcvПакет Rимеет две функции для установки взаимодействия Тензор продукта: te()и ti(). Я понимаю основное разделение труда между ними (подгонка нелинейного взаимодействия против разложения этого взаимодействия на основные эффекты и взаимодействие). Чего я не понимаю, так это почему te(x1, x2)и ti(x1) + ti(x2) + ti(x1, x2)может дать (немного) разные результаты. MWE …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

1
Оценки параметров для нормального распределения асимметрии
Каковы оценки параметров формул для косой нормали? Если вы можете, деривация через MLE или Mom тоже была бы отличной. Спасибо Редактировать . У меня есть набор данных, для которых я могу сказать визуально по графикам немного перекошен влево. Я хочу оценить среднее значение и дисперсию, а затем провести тест на …


2
Линейное преобразование нормальных гауссовских векторов
Мне трудно доказать следующее утверждение. Это дано в исследовательской работе, найденной в Google. Мне нужна помощь в доказательстве этого утверждения! Пусть , где - ортогональная матрица, а - гауссовская. Изотопное поведение гауссовой имеющей одинаковое распределение в любом ортонормированном базисе.X=ASX=ASX= ASAAASSSSSS Как гауссов после применения на ?XXXAAASSS

2
Какова вероятность того, что задано ?
Предположим, что XXX и YYY двумерные нормальные со средним μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) и ковариацией Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . Какова вероятность Pr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?

1
О существовании УМВУЭ и выборе оценки в популяции
Пусть представляет собой случайную выборку взяты из население , где .(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Я ищу UMVUE of .θθ\theta Совместная плотность составляет(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , где и .h(x)=1g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf x)=1 Здесь зависит от и от до и не зависит от …

2
Ожидание
Пусть , , , и независимы. Чего ожидать от ?X1X1X_1X2X2X_2⋯⋯\cdotsXd∼N(0,1)Xd∼N(0,1)X_d \sim \mathcal{N}(0, 1)X41(X21+⋯+X2d)2X14(X12+⋯+Xd2)2\frac{X_1^4}{(X_1^2 + \cdots + X_d^2)^2} Легко найти по симметрии. Но я не знаю, как найти ожидание . Не могли бы вы дать несколько советов?E(X21X21+⋯+X2d)=1dE(X12X12+⋯+Xd2)=1d\mathbb{E}\left(\frac{X_1^2}{X_1^2 + \cdots + X_d^2}\right) = \frac{1}{d}X41(X21+⋯+X2d)2X14(X12+⋯+Xd2)2\frac{X_1^4}{(X_1^2 + \cdots + X_d^2)^2} Что я получил до …

3
Следует ли рассматривать дельта-функцию Дирака как подкласс гауссовского распределения?
В Викиданных можно связать распределения вероятностей (как и все остальное) в онтологии, например, что t-распределение является подклассом нецентрального t-распределения, см., Например, https://angryloki.github.io/wikidata-graph-builder/?property=P279&amp;item=Q209675&amp;iterations=3&amp;limit=3 Существуют различные предельные случаи, например, когда степени свободы в t-распределении переходят в бесконечность или когда дисперсия приближается к нулю для нормального распределения (распределение Гаусса). В последнем случае распределение …

2
Сумма коэффициентов полиномиального распределения
\newcommand{\P}{\mathbb{P}} Я бросаю честный кубик. Всякий раз, когда я получаю 1, 2 или 3, я записываю «1»; всякий раз, когда я получаю 4, я записываю '2'; всякий раз, когда я получаю 5 или 6, я записываю «3». Пусть будет общим количеством бросков, которое мне нужно, чтобы произведение всех чисел, которые …

1
Как связаны функция ошибок и функция стандартного нормального распределения?
Если стандартным нормальным PDF являетсяе( х ) = 12 π--√е- х2/ 2е(Икс)знак равно12πе-Икс2/2f(x) = \frac{1}{\sqrt{2\pi}} e^{-x^2/2} и CDF - это F( х ) = 12 π--√∫Икс- ∞е- х2/ 2д х,F(Икс)знак равно12π∫-∞Иксе-Икс2/2dИкс,F(x) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^x e^{-x^2/2}\mathrm{d}x\,, как это превращается в функцию ошибки ?ZZz

4
Это правильно ? (порождающий усеченную норму, многомерный гауссов)
Если X∈Rn, X∼N(0–,σ2I)X∈Rn, X∼N(0_,σ2I)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I}) т fX(x)=1(2πσ2)n/2exp(−||x||22σ2)fX(x)=1(2πσ2)n/2exp⁡(−||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Я хочу аналогичную версию усеченного нормального распределения в многомерном случае. Точнее, я хочу сгенерировать ограниченный по норме (до значения ≥a≥a\geq a ) многомерный гауссовский YYY st fY(y)={c.fX(y), if ||y||≥a0, otherwise .fY(y)={c.fX(y), if ||y||≥a0, otherwise . f_Y(y) = \begin{cases} c.f_X(y), …

2
Пример двух * коррелированных * нормальных переменных, сумма которых не является нормальной
Я знаю несколько хороших примеров пар коррелированных случайных величин, которые незначительно нормальны, но не в совокупности нормальны. Смотрите этот ответ на Дилип Sarwate , и этот по кардиналу . Мне также известен пример двух нормальных случайных величин, сумма которых не является нормальной. Смотрите этот ответ по Макро . Но в …

2
Какова максимальная оценка вероятности ковариации двумерных нормальных данных, когда известны среднее значение и дисперсия?
Предположим, у нас есть случайная выборка из двумерного нормального распределения, которая имеет нули в качестве средних значений и единицы в качестве дисперсий, поэтому единственным неизвестным параметром является ковариация. Что такое MLE ковариации? Я знаю, что это должно быть что-то вроде но откуда мы это знаем?1n∑nj=1xjyj1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_j

2
Замкнутая форма выражения для распределения выборочного эксцесса гауссовского распределения
Существует ли выражение в замкнутой форме для распределения выборочного куртоза данных, взятых из распределения Гаусса? т.е. КP(K^&lt;a)P(K^&lt;a)P(\hat{K}<a) где - примерный эксцесс.K^K^\hat{K}

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.