Pertanyaan yang diberi tag «uniform»

Distribusi seragam menggambarkan variabel acak yang sama-sama cenderung mengambil nilai apa pun dalam ruang sampelnya.


1
Statistik yang Cukup Lengkap: Seragam (a, b)
Biarkan menjadi sampel acak dari distribusi seragam pada , di mana . Biarkan dan menjadi statistik pesanan terbesar dan terkecil. Tunjukkan bahwa statistik adalah statistik yang cukup lengkap untuk parameter . X=(x1,x2,…xn)X=(x1,x2,…xn)\mathbf{X}= (x_1, x_2, \dots x_n)(a,b)(a,b)(a,b)a&lt;ba&lt;ba < bY1Y1Y_1YnYnY_n(Y1,Yn)(Y1,Yn)(Y_1, Y_n)θ=(a,b)θ=(a,b)\theta = (a, b) Tidak masalah bagi saya untuk menunjukkan kecukupan menggunakan …


3
Peluang bersyarat dari variabel kontinu
Misalkan variabel acak mengikuti distribusi Seragam kontinu dengan parameter 0 dan 10 (yaitu )U ∼ U ( 0 , 10 )UUUU∼U(0,10)U∼U(0,10)U \sim \rm{U}(0,10) Sekarang mari kita menandakan A peristiwa bahwa = 5 dan B peristiwa bahwa sama dengan atau 6. Menurut pemahaman saya, kedua peristiwa memiliki probabilitas nol untuk terjadi.U …




2
Batas ekor pada norma Euclidean untuk distribusi seragam pada
Apa yang diketahui batas atas pada seberapa sering norma Euclidean dari elemen yang dipilih secara seragam dari akan lebih besar dari ambang yang diberikan?{−n, −(n−1), ..., n−1, n}d{−n, −(n−1), ..., n−1, n}d\:\{-n,~-(n-1),~...,~n-1,~n\}^d\: Saya terutama tertarik pada batas yang konvergen secara eksponensial ke nol ketika jauh lebih kecil dari .dnnnddd


2
Bagaimana memproyeksikan secara seragam hash ke sejumlah bucket yang tetap
Hai Rekan Statistik, Saya memiliki hash penghasil sumber (mis., Menghitung string dengan stempel waktu dan informasi lainnya dan hashing dengan md5) dan saya ingin memproyeksikannya ke sejumlah bucket (katakan 100). contoh hash: 0fb916f0b174c66fd35ef078d861a367 Apa yang saya pikirkan pada awalnya adalah menggunakan hanya karakter pertama dari hash untuk memilih ember, tetapi …
11 uniform 



3
Distribusi
Sebagai latihan rutin, saya mencoba mencari distribusi X2+Y2−−−−−−−√X2+Y2\sqrt{X^2+Y^2} mana XXXdanYYYadalahvariabelbebasU(0,1)U(0,1) U(0,1)independen. Kepadatan bersama (X,Y)(X,Y)(X,Y) adalah fX,Y(x,y)=10&lt;x,y&lt;1fX,Y(x,y)=10&lt;x,y&lt;1f_{X,Y}(x,y)=\mathbf 1_{0\cos^{-1}\left(\frac{1}{z}\right), karenacosθcos⁡θ\cos\thetaberkurang padaθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]; danzsinθ&lt;1⟹θ&lt;sin−1(1z)zsin⁡θ&lt;1⟹θ&lt;sin−1⁡(1z)z\sin\theta<1\implies\theta<\sin^{-1}\left(\frac{1}{z}\right), karenasinθsin⁡θ\sin\thetameningkat padaθ∈[0,π2]θ∈[0,π2]\theta\in\left[0,\frac{\pi}{2}\right]. Jadi, untuk 1&lt;z&lt;2–√1&lt;z&lt;21< z<\sqrt 2 , kami memilikicos−1(1z)&lt;θ&lt;sin−1(1z)cos−1⁡(1z)&lt;θ&lt;sin−1⁡(1z)\cos^{-1}\left(\frac{1}{z}\right)<\theta<\sin^{-1}\left(\frac{1}{z}\right). Nilai absolut dari transformasi jacobian adalah |J|=z|J|=z|J|=z Jadi densitas gabungan (Z,Θ)(Z,Θ)(Z,\Theta) diberikan oleh fZ,Θ(z,θ)=z1{z∈(0,1),θ∈(0,π/2)}⋃{z∈(1,2√),θ∈(cos−1(1/z),sin−1(1/z))}fZ,Θ(z,θ)=z1{z∈(0,1),θ∈(0,π/2)}⋃{z∈(1,2),θ∈(cos−1⁡(1/z),sin−1⁡(1/z))}f_{Z,\Theta}(z,\theta)=z\mathbf 1_{\{z\in(0,1),\,\theta\in\left(0,\pi/2\right)\}\bigcup\{z\in(1,\sqrt2),\,\theta\in\left(\cos^{-1}\left(1/z\right),\sin^{-1}\left(1/z\right)\right)\}} Mengintegrasikan θθ\theta , kami memperoleh …

3
Memperkirakan parameter distribusi yang seragam: sebelumnya tidak patut?
Kami memiliki sampel N, XiXiX_i , dari distribusi seragam mana tidak diketahui. Perkirakan dari data.[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Jadi, aturan Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} dan kemungkinannya adalah: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (edit: ketika untuk semua , dan 0 sebaliknya - terima kasih whuber)0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \thetaiii tetapi tanpa informasi …

1
Apa manfaat menggunakan tes permutasi?
Saat menguji beberapa hipotesis nol versus alternatif dengan statistik uji , di manaU(X)U(X)U(X)X={xi,...,xn}X={xi,...,xn}X = \{ x_i, ..., x_n\} , terapkan tes permutasi dengan setpermutasi padadan kami memiliki statistik GGGXXXT(X):=#{π∈G:U(πX)≥U(X)}|G|.T(X):=#{π∈G:U(πX)≥U(X)}|G|. T(X) := \frac{\# \{\pi \in G: U(\pi X) \geq U(X)\}}{|G|}. Apa manfaat menggunakan tes permutasi daripada tidak menggunakannya? Yaitu seperti apa …

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.