Pertanyaan yang diberi tag «conditional-expectation»

Apa arti sebenarnya dari notasi subskrip dalam harapan bersyarat dalam kerangka teori ukuran? Subskrip ini tidak muncul dalam definisi ekspektasi bersyarat, tetapi kita dapat melihat misalnya di halaman wikipedia ini . (Perhatikan bahwa itu tidak selalu terjadi, halaman yang sama beberapa bulan yang lalu).EX[f(X)]EX[f(X)]\mathbb{E}_X[f(X)] Apa yang seharusnya misalnya arti dengan …

64 conditional-expectation  notation 

Saya baru-baru ini menemukan identitas ini: E[E(Y|X,Z)|X]=E[Y|X]E[E(Y|X,Z)|X]=E[Y|X]E \left[ E \left(Y|X,Z \right) |X \right] =E \left[Y | X \right] Saya tentu saja akrab dengan versi sederhana dari aturan itu, yaitu bahwa tetapi saya tidak dapat menemukan pembenaran untuk generalisasi.E[E(Y|X)]=E(Y)E[E(Y|X)]=E(Y)E \left[ E \left(Y|X \right) \right]=E \left(Y\right) Saya akan berterima kasih jika seseorang …

43 self-study  conditional-probability  conditional-expectation 

Misalkan ( Ω , F , μ )(Ω,F,μ)(\Omega,\mathscr{F},\mu) menjadi ruang probabilitas, diberi variabel acak ξ : Ω → Rξ:Ω→R\xi:\Omega \to \mathbb{R} dan σ-σ\sigma aljabar G ⊆ FG⊆F\mathscr{G}\subseteq \mathscr{F} kita dapat membuat variabel acak baru E [ ξ | G ]E[ξ|G]E[\xi|\mathscr{G}] , yang merupakan harapan bersyarat. Apa sebenarnya intuisi untuk berpikir …

20 probability  conditional-probability  conditional-expectation  conditioning  sigma-algebra 

Saya punya masalah dengan bukti E(Y|X)∈argming(X)E[(Y−g(X))2]E(Y|X)∈arg⁡ming(X)E[(Y−g(X))2]E(Y|X) \in \arg \min_{g(X)} E\Big[\big(Y - g(X)\big)^2\Big] yang sangat mungkin mengungkapkan kesalahpahaman yang lebih dalam dari harapan dan harapan bersyarat. Buktinya saya tahu sebagai berikut (versi lain dari bukti ini dapat ditemukan di sini ) ===argming(X)E[(Y−g(x))2]argming(X)E[(Y−E(Y|X)+E(Y|X)−g(X))2]argming(x)E[(Y−E(Y|X))2+2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]argming(x)E[2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]arg⁡ming(X)E[(Y−g(x))2]=arg⁡ming(X)E[(Y−E(Y|X)+E(Y|X)−g(X))2]=arg⁡ming(x)E[(Y−E(Y|X))2+2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]=arg⁡ming(x)E[2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]\begin{align*} &\arg \min_{g(X)} E\Big[\big(Y - g(x)\big)^2\Big]\\ = &\arg \min_{g(X)} E …

19 mathematical-statistics  conditional-probability  proof  conditional-expectation 

Secara umum, Apa perbedaan antara E(X|Y)E(X|Y) dan E(X|Y=y)E(X|Y=y) ? Mantan adalah fungsi dan yang terakhir adalah fungsi ? Sangat membingungkan ..yyxx

18 conditional-expectation  notation  definition 

Saya merasa sedikit tidak nyaman dengan bagaimana saya secara mental berurusan dengan paradoks Borel dan "paradoks" terkait lainnya yang berhubungan dengan probabilitas bersyarat. Bagi mereka yang membaca ini yang tidak terbiasa dengannya, lihat tautan ini . Respons mental saya sampai saat ini sebagian besar adalah mengabaikannya karena sepertinya tidak ada …

17 probability  conditional-probability  conditional-expectation 

Misalkan YYY menunjukkan median dan misalkan ˉ XX¯\bar{X} menunjukkan rata-rata, dari sampel acak berukuran n = 2 k + 1n=2k+1n=2k+1 dari distribusi yaitu N ( μ , σ 2 )N(μ,σ2)N(\mu,\sigma^2) . Bagaimana saya bisa menghitung E ( Y | ˉ X = ˉ x )E(Y|X¯=x¯)E(Y|\bar{X}=\bar{x}) ? Secara intuitif, karena asumsi …

16 self-study  normal-distribution  mathematical-statistics  expected-value  conditional-expectation 

Asumsikan XXX dan memiliki momen kedua terbatas. Dalam ruang Hilbert variabel acak dengan momen terbatas kedua (dengan produk dalam didefinisikan oleh , ), kita dapat menafsirkan sebagai proyeksi dari ke ruang fungsi .YYYT1,T2T1,T2T_1,T_2E(T1T2)E(T1T2)E(T_1T_2)||T||2=E(T2)||T||2=E(T2)||T||^2=E(T^2)E(Y|X)E(Y|X)E(Y|X)YYYXXX Kita juga tahu bahwa Hukum Total Varians berbunyi Var(Y)=E(Var(Y|X))+Var(E(Y|X))Var(Y)=E(Var(Y|X))+Var(E(Y|X))Var(Y)=E(Var(Y|X)) + Var(E(Y|X)) Apakah ada cara untuk menafsirkan hukum …

15 variance  conditional-expectation 

Pertanyaan Jika adalah IID, maka hitung , di mana .X1,⋯,Xn∼N(μ,1)X1,⋯,Xn∼N(μ,1)X_1,\cdots,X_n \sim \mathcal{N}(\mu, 1)E(X1∣T)E(X1∣T)\mathbb{E}\left( X_1 \mid T \right)T=∑iXiT=∑iXiT = \sum_i X_i Coba : Silakan periksa apakah di bawah ini benar. Katakanlah, kita mengambil penjumlahan dari harapan bersyarat itu sehingga, Ini berarti bahwa setiap sejak X_1, \ ldots, X_n adalah IID.∑iE(Xi∣T)=E(∑iXi∣T)=T.∑iE(Xi∣T)=E(∑iXi∣T)=T.\begin{align} \sum_i …

14 probability  self-study  mathematical-statistics  conditional-probability  conditional-expectation 

Untuk variabel acak ( ) Saya merasa secara intuitif bahwa harus sama dengan karena oleh properti tanpa memori distribusi sama dengan distribusi tetapi bergeser ke kanan sebesar .X∼Exp(λ)X∼Exp(λ)X\sim \text{Exp}(\lambda)E[X]=1λE[X]=1λ\mathbb{E}[X] = \frac{1}{\lambda}E[X|X>x]E[X|X>x]\mathbb{E}[X|X > x]x+E[X]x+E[X]x + \mathbb{E}[X]X|X>xX|X>xX|X > xXXXxxx Namun, saya berjuang untuk menggunakan properti tanpa memori untuk memberikan bukti nyata. Bantuan …

13 random-variable  exponential  conditional-expectation 

Saya mengalami beberapa masalah dalam menyelesaikan yang berikut ini. Anda mengambil kartu dari tumpukan kartu 52 kartu standar tanpa penggantian sampai Anda mendapatkan kartu As. Anda menarik dari apa yang tersisa sampai Anda mendapatkan 2. Anda melanjutkan dengan 3. Berapa angka yang diharapkan Anda akan berada setelah seluruh dek habis? …

12 self-study  conditional-probability  conditional-expectation  games  conditioning 

Saya ingin memahami uji pasti fisher dengan lebih baik, jadi saya menyusun contoh mainan berikut ini, di mana f dan m berhubungan dengan pria dan wanita, dan n dan y berhubungan dengan "konsumsi soda" seperti ini: > soda_gender f m n 0 5 y 5 0 Jelas, ini adalah penyederhanaan …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan ti(x1) + ti(x2) + ti(x1, x2)mungkin menghasilkan (sedikit) hasil yang …

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 

Pertimbangkan 3 sampel awal yang diambil dari distribusi seragam u(θ,2θ)u(θ,2θ)u(\theta, 2\theta) , di mana θθ\theta adalah parameter. Saya ingin mencari E[X(2)|X(1),X(3)]E[X(2)|X(1),X(3)] \mathbb{E}\left[X_{(2)}| X_{(1)}, X_{(3)}\right] mana X( i )X(i)X_{(i)} adalah statistik pesanan .sayaii Saya berharap hasilnya menjadi Tetapi satu-satunya cara saya dapat menunjukkan hasil ini tampaknya terlalu panjangnya, saya tidak dapat …

9 uniform  conditional-expectation  order-statistics 

Saya memiliki dua variabel terdistribusi normal dan X 2 dengan mean nol dan matriks kovarians Σ . Saya tertarik untuk mencoba menghitung nilai E [ X 2 1 X 2 2 ] dalam hal entri Σ .X1X1X_1X2X2X_2ΣΣ\SigmaE[ X21X22]E[X12X22]E[X_1^2 X_2^2]ΣΣ\Sigma Saya menggunakan hukum probabilitas total untuk mendapatkan tapi saya tidak yakin …

9 normal-distribution  conditional-expectation