Pertanyaan yang diberi tag «moments»

Momen adalah ringkasan karakteristik variabel acak (misalnya, lokasi, skala). Gunakan juga untuk momen fraksional.



2
Bias penaksir momen dari distribusi lognormal
Saya melakukan beberapa percobaan numerik yang terdiri dari pengambilan sampel distribusi lognormal X∼LN(μ,σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma) , dan mencoba memperkirakan momen dengan dua metode:E[Xn]E[Xn]\mathbb{E}[X^n] Melihat rata-rata sampelXnXnX^n Memperkirakan dan dengan menggunakan mean sampel untuk , dan kemudian menggunakan fakta bahwa untuk distribusi lognormal, kita memiliki .σ 2μμ\muσ2σ2\sigma^2E [ X n ] = …

1
Kesalahan dalam perkiraan normal untuk distribusi jumlah yang seragam
Salah satu metode naif untuk mendekati distribusi normal adalah dengan menambahkan bersama-sama mungkin variabel acak IID yang terdistribusi secara seragam pada , kemudian masuk kembali dan skala, bergantung pada Teorema Batas Pusat. ( Catatan : Ada metode yang lebih akurat seperti transformasi Box-Muller .) Jumlah variabel acak IID dikenal sebagai …

2
Hitung perkiraan kuantil untuk aliran bilangan bulat menggunakan momen?
bermigrasi dari math.stackexchange . Saya sedang memproses aliran bilangan bulat yang panjang dan saya sedang mempertimbangkan untuk melacak beberapa saat agar dapat menghitung kira-kira berbagai persentil untuk aliran tanpa menyimpan banyak data. Apa cara paling sederhana untuk menghitung persentil dari beberapa saat. Apakah ada pendekatan yang lebih baik yang melibatkan …


4
Apa sebenarnya momen itu? Bagaimana mereka diturunkan?
Kami biasanya diperkenalkan dengan metode penduga momen dengan "menyamakan momen populasi dengan sampel pendampingnya" hingga kami memperkirakan semua parameter populasi; sehingga, dalam kasus distribusi normal, kita hanya perlu momen pertama dan kedua karena mereka sepenuhnya menggambarkan distribusi ini. E(X)=μ⟹∑ni=1Xi/n=X¯E(X)=μ⟹∑i=1nXi/n=X¯E(X) = \mu \implies \sum_{i=1}^n X_i/n = \bar{X} E( X2) = μ2+ …



1
Metode momen kedua, gerak Brown?
Biarkan menjadi gerakan Brown standar. Biarkan menunjukkan acara dan biarkan mana menunjukkan fungsi indikator. Apakah ada sedemikian rupa sehingga untuk untuk semua ? Saya kira jawabannya adalah ya; Saya sudah mencoba bermain-main dengan metode momen kedua, tetapi tidak banyak berhasil. Bisakah ini ditunjukkan dengan metode momen kedua? Atau haruskah saya …


1
Tautan antara fungsi yang menghasilkan momen dan fungsi karakteristik
Saya mencoba memahami hubungan antara fungsi yang menghasilkan momen dan fungsi karakteristik. Fungsi penghasil momen didefinisikan sebagai: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Menggunakan seri ekspansi , Saya dapat menemukan semua momen distribusi untuk variabel acak X.exp(tX)=∑∞0(t)n⋅Xnn!exp⁡(tX)=∑0∞(t)n⋅Xnn!\exp(tX) = \sum_0^{\infty} …


2
Skewness / kurtosis bergerak tertimbang eksponensial
Ada rumus on-line yang terkenal untuk menghitung rata-rata bergerak tertimbang secara eksponensial dan standar deviasi dari suatu proses (xn)n=0,1,2,…(xn)n=0,1,2,…(x_n)_{n=0,1,2,\dots} . Untuk rata-rata, μn=(1−α)μn−1+αxnμn=(1−α)μn−1+αxn\mu_n = (1-\alpha) \mu_{n-1} + \alpha x_n dan untuk varians σ2n=(1−α)σ2n−1+α(xn−μn−1)(xn−μn)σn2=(1−α)σn−12+α(xn−μn−1)(xn−μn)\sigma_n^2 = (1-\alpha) \sigma_{n-1}^2 + \alpha(x_n - \mu_{n-1})(x_n - \mu_n) dari mana Anda dapat menghitung simpangan baku. Apakah …


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.