Pertanyaan yang diberi tag «distributions»

Distribusi adalah deskripsi matematis dari probabilitas atau frekuensi.



1
MLE vs kuadrat terkecil dalam distribusi probabilitas pas
Kesan yang saya dapat, berdasarkan beberapa makalah, buku, dan artikel yang saya baca, adalah cara yang disarankan untuk menyesuaikan distribusi probabilitas pada set data adalah dengan menggunakan estimasi kemungkinan maksimum (MLE). Namun, sebagai seorang fisikawan, cara yang lebih intuitif adalah dengan menyesuaikan pdf model dengan pdf empiris data menggunakan kuadrat …

2
Distribusi yang menggambarkan perbedaan antara variabel terdistribusi binomial negatif?
Sebuah Skellam Distribusi menjelaskan perbedaan antara dua variabel yang memiliki distribusi Poisson. Apakah ada distribusi serupa yang menggambarkan perbedaan antara variabel yang mengikuti distribusi binomial negatif? Data saya dihasilkan oleh proses Poisson, tetapi mencakup cukup banyak noise, yang menyebabkan penyebaran berlebihan dalam distribusi. Dengan demikian, pemodelan data dengan distribusi binomial …

3
Menguji data yang dihasilkan secara acak terhadap distribusi yang diinginkan
Saya telah menulis sebuah program yang menghasilkan data acak. Jika program bekerja dengan benar, data tersebut harus mengikuti distribusi probabilitas khusus yang diketahui. Saya ingin menjalankan program, melakukan perhitungan pada hasilnya, dan menghasilkan nilai-p. Sebelum orang lain mengatakannya: Saya mengerti bahwa pengujian hipotesis tidak dapat mendeteksi kapan program beroperasi dengan …

2
Distribusi sampel dari dua populasi Bernoulli independen
Mari kita asumsikan bahwa kita memiliki sampel dua variabel acak Bernoulli independen, dan .B e r ( θ 2 )Ber(θ1)Ber(θ1)\mathrm{Ber}(\theta_1)Ber(θ2)Ber(θ2)\mathrm{Ber}(\theta_2) Bagaimana kami membuktikan bahwa ?(X¯1−X¯2)−(θ1−θ2)θ1(1−θ1)n1+θ2(1−θ2)n2−−−−−−−−−−−−−−√→dN(0,1)(X¯1−X¯2)−(θ1−θ2)θ1(1−θ1)n1+θ2(1−θ2)n2→dN(0,1)\frac{(\bar X_1-\bar X_2)-(\theta_1-\theta_2)}{\sqrt{\frac{\theta_1(1-\theta_1)}{n_1}+\frac{\theta_2(1-\theta_2)}{n_2}}}\xrightarrow{d} \mathcal N(0,1) Asumsikan .n1≠n2n1≠n2n_1\neq n_2

2
Untuk apa (simetris) distribusi sampel berarti penduga yang lebih efisien daripada median sampel?
Saya telah bekerja di bawah keyakinan bahwa median sampel adalah ukuran yang lebih kuat dari kecenderungan sentral daripada rata-rata sampel, karena mengabaikan outlier. Karena itu saya terkejut mengetahui (dalam jawaban untuk pertanyaan lain ) bahwa untuk sampel yang diambil dari distribusi normal, varians dari mean sampel kurang dari varians median …





1
Apa yang salah dengan ilustrasi distribusi posterior ini?
Saya memiliki gambar berikut yang saya telah diberitahu adalah ilustrasi tentang bagaimana distribusi probabilitas posterior adalah kombinasi dari distribusi sebelum dan kemungkinan. Saya telah diberitahu bahwa ada sesuatu yang salah dengan gambar, yaitu bahwa distribusi posterior tidak dapat memiliki bentuk yang diberikan dalam bentuk fungsi kemungkinan. Tetapi saya berjuang untuk …

3
Pas t-distribusi di R: parameter penskalaan
Bagaimana saya menyesuaikan parameter distribusi-t, yaitu parameter yang sesuai dengan 'rata-rata' dan 'standar deviasi' dari distribusi normal. Saya menganggap mereka disebut 'berarti' dan 'scaling / derajat kebebasan' untuk distribusi-t? Kode berikut sering menghasilkan kesalahan 'optimasi gagal'. library(MASS) fitdistr(x, "t") Apakah saya harus mengukur x terlebih dahulu atau mengubahnya menjadi probabilitas? …

5
Bagaimana menentukan distribusi lognormal dalam argumen keluarga GLM di R?
Pertanyaan sederhana: Bagaimana cara menentukan distribusi lognormal dalam argumen keluarga GLM di R? Saya tidak dapat menemukan bagaimana ini dapat dicapai. Mengapa lognormal (atau eksponensial) bukan opsi dalam argumen keluarga? Di suatu tempat di R-Archives saya membaca bahwa seseorang hanya harus menggunakan log-link untuk keluarga yang diatur ke gaussian di …


Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.