Pertanyaan yang diberi tag «uniform»

Diambil dari Grimmet dan Stirzaker : Tunjukkan bahwa tidak dapat menjadi kasus bahwa U=X+YU=X+YU=X+Y mana terdistribusi secara seragam pada [0,1] dan dan adalah independen dan terdistribusi secara identik. Anda tidak boleh berasumsi bahwa X dan Y adalah variabel kontinu.UUUXXXYYY Sebuah bukti sederhana dengan mencukupi kontradiksi untuk kasus di mana , …

18 probability  random-variable  continuous-data  uniform  proof 

Saya ingin menggambar bilangan bulat dari 1 ke beberapa tertentu dengan menggulirkan sejumlah dadu enam sisi yang adil (d6). Jawaban yang baik akan menjelaskan mengapa metodenya menghasilkan bilangan bulat seragam dan independen .NNN Sebagai contoh ilustrasi, akan sangat membantu untuk menjelaskan bagaimana solusi bekerja untuk kasus .N=150N=150N=150 Lebih jauh, saya …

18 probability  random-generation  uniform  dice 

Saya membaca di sini bahwa diberi sampel dari distribusi kontinu dengan cdf , sampel yang sesuai dengan mengikuti distribusi seragam standar.F X U i = F X ( X i )X1,X2,...,XnX1,X2,...,Xn X_1,X_2,...,X_n FXFX F_X Ui=FX(Xi)Ui=FX(Xi) U_i = F_X(X_i) Saya telah memverifikasi ini menggunakan simulasi kualitatif dengan Python, dan saya dengan …

17 pdf  uniform  cdf  intuition 

Saya memiliki empat variabel bebas terdistribusi seragam , masing-masing dalam . Saya ingin menghitung distribusi . Saya menghitung distribusi menjadi (maka ), dan dari menjadi Sekarang, distribusi jumlah u_1 + u_2 adalah ( u_1, \, u_2 juga independen) f_ {u_1 + u_2} (x) = \ int _ {- \ infty} …

17 distributions  random-variable  pdf  uniform  mathematica 

Saya mendengar bahwa di bawah hipotesis nol, distribusi nilai-p harus seragam. Namun, simulasi uji binomial dalam MATLAB menghasilkan distribusi yang sangat berbeda dari seragam dengan rata-rata lebih besar dari 0,5 (0,518 dalam kasus ini): coin = [0 1]; success_vec = nan(20000,1); for i = 1:20000 success = 0; for j …

17 matlab  p-value  binomial  simulation  uniform 

Masalah ini terkait dengan penelitian lab saya dalam cakupan robot: Gambar angka secara acak dari set tanpa penggantian, dan urutkan angka dalam urutan menaik. .nnn{1,2,…,m}{1,2,…,m}\{1,2,\ldots,m\}1≤n≤m1≤n≤m1\le n\le m Dari daftar angka yang diurutkan ini , menghasilkan perbedaan antara angka berurutan dan batas: . Ini memberi celah.{a(1),a(2),…,a(n)}{a(1),a(2),…,a(n)}\{a_{(1)},a_{(2)},…,a_{(n)}\}g={a(1),a(2)−a(1),…,a(n)−a(n−1),m+1−a(n)}g={a(1),a(2)−a(1),…,a(n)−a(n−1),m+1−a(n)}g = \{a_{(1)},a_{(2)}−a_{(1)},\ldots,a_{(n)}−a_{(n-1)},m+1-a_{(n)}\}n+1n+1n+1 Apa distribusi kesenjangan …

16 probability  mathematical-statistics  uniform  combinatorics  order-statistics 

Saya mencoba untuk menghasilkan sampel acak dari pdf kustom menggunakan R. Pdf saya adalah: fX(x)=32(1−x2),0≤x≤1fX(x)=32(1−x2),0≤x≤1f_{X}(x) = \frac{3}{2} (1-x^2), 0 \le x \le 1 Saya menghasilkan sampel yang seragam dan kemudian mencoba mengubahnya menjadi distribusi khusus saya. Saya melakukan ini dengan menemukan cdf dari distribusi saya ( FX(x)FX(x)F_{X}(x) ) dan mengaturnya …

16 r  sampling  uniform 

Untuk mensimulasikan distribusi normal dari satu set variabel seragam, ada beberapa teknik: Algoritma Box-Muller , di mana satu sampel dua varian seragam independen pada dan mengubahnya menjadi dua distribusi normal standar independen melalui: Z 0 = √(0,1)(0,1)(0,1)Z0=−2lnU1−−−−−−√cos(2πU0)Z1=−2lnU1−−−−−−√sin(2πU0)Z0=−2lnU1cos(2πU0)Z1=−2lnU1sin(2πU0) Z_0 = \sqrt{-2\text{ln}U_1}\text{cos}(2\pi U_0)\\ Z_1 = \sqrt{-2\text{ln}U_1}\text{sin}(2\pi U_0) metode CDF , di mana …

15 normal-distribution  simulation  uniform 

Saya baru-baru ini membeli sumber data wawancara sains di mana salah satu pertanyaan probabilitas adalah sebagai berikut: Diberikan draw dari distribusi normal dengan parameter yang diketahui, bagaimana Anda bisa mensimulasikan draw dari distribusi yang seragam? Proses pemikiran asli saya adalah bahwa, untuk variabel acak diskrit, kita dapat memecah distribusi normal …

15 self-study  normal-distribution  simulation  uniform 

Tes permutasi (juga disebut tes pengacakan, uji pengacakan ulang, atau tes yang tepat) sangat berguna dan berguna ketika asumsi distribusi normal yang diperlukan misalnya, t-testtidak terpenuhi dan ketika transformasi nilai dengan peringkat dari tes non-parametrik seperti Mann-Whitney-U-testakan menyebabkan lebih banyak informasi hilang. Namun, satu dan hanya satu asumsi yang tidak …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Misalkan kita punya X 2 ∼ unif ( n , 0 , 1 ) ,X1∼unif(n,0,1),X1∼unif(n,0,1),X_1 \sim \textrm{unif}(n,0,1), X2∼unif(n,0,1),X2∼unif(n,0,1),X_2 \sim \textrm{unif}(n,0,1), di mana adalah sampel acak ukuran seragam, danunif(n,0,1)unif(n,0,1)\textrm{unif}(n,0,1) Y=X1,Y=X1,Y=X_1, Z=0.4X1+1−0.4−−−−−−√X2.Z=0.4X1+1−0.4X2.Z = 0.4 X_1 + \sqrt{1 - 0.4}X_2. Maka korelasi antara dan Z adalah 0,4 .YYYZZZ0.40.40.4 Bagaimana saya bisa memperluas ini …

15 r  correlation  random-generation  uniform 

Mari kita menjumlahkan aliran variabel acak, ; misalkan adalah jumlah istilah yang kita perlukan untuk totalnya melebihi satu, yaitu adalah angka terkecil sehinggaY YXi∼iidU(0,1)Xi∼iidU(0,1)X_i \overset{iid}\sim \mathcal{U}(0,1)YYYYYY X1+X2+⋯+XY>1.X1+X2+⋯+XY>1.X_1 + X_2 + \dots + X_Y > 1. Mengapa mean dari sama Euler konstan ?eYYYeee E(Y)=e=10!+11!+12!+13!+…E(Y)=e=10!+11!+12!+13!+…\mathbb{E}(Y) = e = \frac{1}{0!} + \frac{1}{1!} + …

14 probability  self-study  expected-value  uniform 

Di Libre Office Calc, rand()fungsi tersedia, yang memilih nilai acak antara 0 dan 1 dari distribusi yang seragam. Saya agak berkarat pada probabilitas saya, jadi ketika saya melihat perilaku berikut, saya bingung: A = 200x1 kolom rand()^2 B = 200x1 kolom rand()*rand() mean(A) = 1/3 mean(B) = 1/4 Kenapa mean(A)! …

14 expected-value  random-generation  uniform 

Saya ingin menghasilkan pasangan angka acak dengan korelasi tertentu. Namun, pendekatan yang biasa menggunakan kombinasi linear dari dua variabel normal tidak valid di sini, karena kombinasi linear dari variabel seragam tidak lagi menjadi variabel yang terdistribusi secara seragam. Saya perlu dua variabel untuk menjadi seragam. Adakah ide tentang bagaimana menghasilkan …

14 correlation  random-generation  uniform 

Saya baru saja mengalami serangan panik (intelektual). Variabel acak kontinu yang mengikuti seragam dalam interval tertutup U(a,b)U(a,b)U(a,b) : konsep statistik yang akrab dengan nyaman. Seragam yang berkesinambungan yang memiliki dukungan terhadap real yang diperluas (setengah atau seluruhnya): bukan yang layak, tetapi konsep Bayesian dasar untuk prior, berguna, dan dapat diterapkan …

13 probability  distributions  mathematical-statistics  uniform