Pertanyaan yang diberi tag «cdf»

Saya hampir yakin saya sudah melihat hasil berikut dalam statistik tetapi saya tidak ingat di mana. Jika XXX adalah variabel acak positif dan E(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\infty maka εF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to 0 ketika ε→0+ε→0+\varepsilon\to 0^+ , di mana FFF adalah cdf dari XXX . Hal ini mudah untuk melihat secara geometris dengan menggunakan …

10 references  quantiles  cdf  moments 

Sebuah pdf biasanya ditulis sebagai , di mana huruf kecil diperlakukan sebagai realisasi atau hasil dari variabel acak yang memiliki pdf itu. Demikian pula, cdf ditulis sebagai , yang memiliki arti . Namun, dalam beberapa keadaan, seperti definisi fungsi skor dan derivasi ini bahwa cdf didistribusikan secara seragam , tampak …

9 random-variable  pdf  cdf  intuition 

Contoh: Saya memiliki kalimat dalam deskripsi pekerjaan: "Java senior engineer in UK". Saya ingin menggunakan model pembelajaran yang mendalam untuk memperkirakannya sebagai 2 kategori: English dan IT jobs. Jika saya menggunakan model klasifikasi tradisional, hanya dapat memprediksi 1 label dengan softmaxfungsi di lapisan terakhir. Dengan demikian, saya dapat menggunakan 2 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Saya mencoba memahami cara mendapatkan nilai- untuk tes Kolmogorov-Smirnov satu sisi , dan saya berjuang untuk menemukan CDF untuk dan dalam kasus dua sampel. Di bawah ini dikutip di beberapa tempat sebagai CDF untuk dalam satu contoh kasus:pppD+n1,n2Dn1,n2+D^{+}_{n_{1},n_{2}}D−n1,n2Dn1,n2−D^{-}_{n_{1},n_{2}}D+nDn+D^{+}_{n} p+n(x)=P(D+n≥x|H0)=x∑j=0⌊n(1−x)⌋(nj)(jn+x)j−1(1−x−jn)n−jpn+(x)=P(Dn+≥x|H0)=x∑j=0⌊n(1−x)⌋(nj)(jn+x)j−1(1−x−jn)n−jp^{+}_{n}\left(x\right) = \text{P}\left(D^{+}_{n} \ge x | \text{H}_{0}\right) = x\sum_{j=0}^{\lfloor n\left(1-x\right)\rfloor}{ \binom{n}{j} \left(\frac{j}{n}+x\right)^{j-1}\left(1 …

9 self-study  kolmogorov-smirnov  cdf 

Mari X1, . . . , XnX1,...,XnX_{1},...,X_{n} menjadi pengamatan yang berbeda (tidak ada ikatan). Mari X∗1, . . . , X∗nX1∗,...,Xn∗X_{1}^{*},...,X_{n}^{*} menunjukkan sampel bootstrap (sampel dari CDF empiris) dan biarkan . Temukan dan . E( ˉ X ∗ n )Var( ˉ X ∗ n )X¯∗n= 1n∑ni = 1X∗sayaX¯n∗=1n∑i=1nXi∗\bar{X}_{n}^{*}=\frac{1}{n}\sum_{i=1}^{n}X_{i}^{*}E( X¯∗n)E(X¯n∗)E(\bar{X}_{n}^{*})V a …

9 self-study  variance  bootstrap  cdf  conditional-expectation 

Saya tertarik pada distribusi drawdown maksimum jalan acak: Misalkan mana . Penarikan maksimum setelah periode adalah . Sebuah makalah oleh Magdon-Ismail et. Al. memberikan distribusi untuk drawdown maksimum dari gerakan Brown dengan drift. Ungkapan ini melibatkan jumlah tak terbatas yang mencakup beberapa istilah yang hanya didefinisikan secara implisit. Saya mengalami …

9 distributions  cdf  finance  random-walk 

Saya tahu bahwa bukti transformasi integral probabilitas telah diberikan beberapa kali di situs ini. Namun, bukti yang saya temukan menggunakan hipotesis bahwa CDF benar-benar meningkat (bersama-sama, tentu saja, dengan hipotesis bahwa adalah variabel acak kontinu). Saya tahu bahwa sebenarnya satu-satunya hipotesis yang diperlukan adalah bahwa adalah variabel acak kontinu, dan …

9 probability  cdf 

Saya ingin mensimulasikan sampel dari distribusi normal campuran p×N(μ1,σ21)+(1−p)×N(μ2,σ22)p×N(μ1,σ12)+(1−p)×N(μ2,σ22)p\times\mathcal{N}(\mu_1,\sigma_1^2) + (1-p)\times\mathcal{N}(\mu_2,\sigma_2^2) terbatas pada interval [0,1][0,1][0,1] dari pada RR\mathbb{R}. Ini berarti saya ingin mensimulasikan campuran terpotong dari distribusi normal. Saya tahu bahwa ada beberapa algoritma untuk mensimulasikan sebuah terpotong normal (yaitu dari pertanyaan ini ) dan paket yang sesuai dalam R …

9 simulation  random-generation  cdf  mixture  gaussian-mixture 

Saya perlu menemukan kelas distribusi kurtosis rendah simetris, yang meliputi distribusi seragam, segitiga dan Gaussian normal. Distribusi Irwin-Hall (jumlah seragam standar) menawarkan karakteristik ini, tapi tidak memperlakukan perintah non-integer . Namun, jika Anda misalnya meringkas secara mandiri mis. 2 seragam standar dan yang ketiga dengan kisaran yang lebih kecil seperti …

9 distributions  pdf  uniform  cdf 

Saya bertanya-tanya tentang menunjukkan batas: limx→∞xF¯¯¯¯(x)=0limx→∞xF¯(x)=0 \lim_{x \to \infty} x\overline{F}(x) =0 di mana adalah fungsi distribusi tail, \ overline {F} (x) = 1 − F (x) , di mana F adalah fungsi distribusi kumulatifF¯¯¯¯=1−FF¯=1−F\overline{F} =1-FF¯¯¯¯(x)=1−F(x)F¯(x)=1−F(x)\overline{F}(x)=1−F(x)FFF Sebagai x→∞x→∞x \to \infty , F¯¯¯¯→0F¯→0\overline{F} \to 0 , jadi kami memiliki formulir tak tentu, …

8 probability  cdf 

Berikut ini adalah turunan dari kepadatan dari kertas yang sedang saya pelajari. Maaf untuk kualitas buruk, ini kertas yang cukup tua. Saya perlu mengklarifikasi bahwa memiliki kerapatan eksponensial standar dalam , seragam pada dan mereka independen. Populasi koefisien korelasi adalah konstan saja. dan berasal dari distribusi normal bivariat standar, karenanya …

8 probability  self-study  distributions  conditional-probability  cdf 

Saya memiliki data yang menggambarkan seberapa sering suatu peristiwa berlangsung selama satu jam ("angka per jam", nph) dan berapa lama acara berlangsung ("durasi dalam detik per jam", dph). Ini adalah data asli: nph &lt;- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, 15.3750000002237, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Masalahnya berasal dari halaman 377-379 dari makalah ini [0] . Diberikan distribusi berkelanjutan FFF dan diperbaiki z∈Rz∈Rz\in\mathbb{R}, pertimbangkan: Lz(t)=PF(|z−Z|≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) dan H(z)=L−1z(0.5)=medZ∼F|z−Z|H(z)=Lz−1(0.5)=medZ∼F|z−Z|H(z)=L^{-1}_z(0.5)=\underset{Z\sim F}{\mbox{med}}|z-Z| dimana L−1z(u)=inf{t:Lz(t)&gt;u}Lz−1(u)=inf{t:Lz(t)&gt;u}L^{-1}_z(u)=\inf\{t:L_z(t)>u\}adalah kebalikan terus menerus yang tepat. Jadi untuk z tetap zzz, ini adalah jarak median semua Z∼FZ∼FZ\sim F ke zzz . Selanjutnya, pertimbangkan fungsinya: L(t)=PF(H(Z)≤t)L(t)=PF(H(Z)≤t)L(t)=P_F(H(Z)\leq t) …

8 mathematical-statistics  quantiles  cdf  numerics  quantile-function 

Diberikan dua set data bilangan real positif X dan Y, keduanya dengan ukuran yang sama, dan 0 &lt;= Y &lt;= X untuk setiap baris; dapatkah CDF empiris X pernah melewati CDF empiris Y?

8 distributions  cdf 

Saya tahu bahwa PDF adalah turunan pertama dari CDF untuk variabel acak kontinu, dan perbedaan untuk variabel acak diskrit. Namun, saya ingin tahu mengapa ini terjadi, mengapa ada dua kasus berbeda untuk diskrit dan kontinu?

8 mathematical-statistics  pdf  discrete-data  continuous-data  cdf