Pertanyaan yang diberi tag «uniform»

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

4
Model Sejarah Acara Diskrit-Waktu (Bertahan Hidup) di R
Saya mencoba menyesuaikan model waktu-diskrit dalam R, tapi saya tidak yakin bagaimana melakukannya. Saya telah membaca bahwa Anda dapat mengatur variabel dependen dalam baris yang berbeda, satu untuk setiap pengamatan waktu, dan menggunakan glmfungsi dengan logit atau tautan cloglog. Dalam hal ini, saya memiliki tiga kolom: ID, Event(1 atau 0, …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 


2
Ekspektasi akar kuadrat dari jumlah variabel acak seragam kuadrat independen
Biarkan menjadi independen dan terdistribusi secara acak, variabel acak seragam standar.X1,…,Xn∼U(0,1)X1,…,Xn∼U(0,1)X_1,\dots,X_n \sim U(0,1) Let Yn=∑inX2iI seek: E[Yn−−√]Let Yn=∑inXi2I seek: E[Yn]\text{Let }\quad Y_n=\sum_i^nX_i^2 \quad \quad \text{I seek: } \quad \mathbb{E}\big[\sqrt{Y_n } \big] Harapan mudah:YnYnY_n E[X2]E[Yn]=∫10y2y√=13=E[∑inX2i]=∑inE[X2i]=n3E[X2]=∫01y2y=13E[Yn]=E[∑inXi2]=∑inE[Xi2]=n3\begin{align} \mathbb{E}\left[X^2\right] &=\int_0^1\frac{y}{2\sqrt{y}}=\frac{1}{3}\\ \mathbb{E}\left[Y_n\right] &=\mathbb{E}\left[\sum_i^nX_i^2\right] = \sum_i^n\mathbb{E}\left[X_i^2\right]=\frac{n}{3} \end{align} Sekarang untuk bagian yang membosankan. Untuk menerapkan LOTUS, saya …

1
Menghasilkan angka acak dari "distribusi seragam miring" dari teori matematika
Untuk beberapa tujuan, saya perlu menghasilkan angka acak (data) dari distribusi "seragam miring". "Kemiringan" dari distribusi ini dapat bervariasi dalam beberapa interval yang masuk akal, dan kemudian distribusi saya harus berubah dari seragam menjadi segitiga berdasarkan pada kemiringan. Inilah derivasi saya: Mari kita membuatnya sederhana dan menghasilkan data dari hingga …

1
Cara yang lebih mudah untuk menemukan
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 …

2
Bagaimana menemukan jarak yang diharapkan antara dua titik yang terdistribusi secara merata?
Jika saya menentukan koordinat dan mana( X 2 , Y 2 )(X1,Y1)(X1,Y1)(X_{1},Y_{1})(X2,Y2)(X2,Y2)(X_{2},Y_{2}) X1,X2∼Unif(0,30) and Y1,Y2∼Unif(0,40).X1,X2∼Unif(0,30) and Y1,Y2∼Unif(0,40).X_{1},X_{2} \sim \text{Unif}(0,30)\text{ and }Y_{1},Y_{2} \sim \text{Unif}(0,40). Bagaimana saya bisa menemukan nilai jarak yang diharapkan dari mereka? Saya berpikir, karena jarak dihitung oleh akan nilai yang diharapkan jadilah ?(1/30+1/30)2+(1/40+1/40)2(X1−X2)2+(Y1−Y2)2−−−−−−−−−−−−−−−−−−−√)(X1−X2)2+(Y1−Y2)2)\sqrt{(X_{1}-X_{2})^{2} + (Y_{1}-Y_{2})^{2}})(1/30+1/30)2+(1/40+1/40)2(1/30+1/30)2+(1/40+1/40)2(1/30 + 1/30)^2 + …



2
Distribusi bersyarat variabel acak seragam yang diberikan statistik Pesanan
Saya punya pertanyaan berikut: Misalkan adalah variabel acak iid mengikuti Unif . apa distribusi kondisional dari diberikan ?U,VU,VU,V(0,1)(0,1)(0,1)UUUZ:=max(U,V)Z:=max(U,V)Z:=\max(U,V) Saya mencoba menulis Z=I⋅V+(1−I)⋅UZ=I⋅V+(1−I)⋅UZ=\Bbb{I}\cdot V+(1-\Bbb{I})\cdot U mana I={10U<VU>VI={1U<V0U>V\Bbb{I}=\begin{cases}1&U;V\end{cases} Tapi saya tidak mendapatkan apa-apa.

1
Bisakah kita membuat distribusi Irwin-Hall lebih umum?
Saya perlu menemukan kelas distribusi kurtosis rendah simetris, yang meliputi distribusi seragam, segitiga dan Gaussian normal. Distribusi Irwin-Hall (jumlah seragam standar) menawarkan karakteristik ini, tapi tidak memperlakukan perintah non-integer . Namun, jika Anda misalnya meringkas secara mandiri mis. 2 seragam standar dan yang ketiga dengan kisaran yang lebih kecil seperti …

1
Menghasilkan seragam diskrit dari membalik koin
Misalkan Anda memiliki koin yang adil yang dapat Anda balikkan sebanyak yang Anda inginkan (mungkin tak terhitung jumlahnya). Apakah mungkin untuk menghasilkan distribusi seragam diskrit pada , di mana BUKAN kekuatan 2? Bagaimana Anda melakukannya?(1,2,...,k)(1,2,...,k)(1,2,...,k)kkk Jika ini terlalu umum, menjawab mungkin akan cukup menarik.k=3k=3k=3


2
Ekspektasi bersyarat dari variabel acak seragam yang diberikan statistik pesanan
Asumsikan X =(X1,...,Xn)(X1,...,Xn)(X_1, ..., X_n) ~ U(θ,2θ)U(θ,2θ)U(\theta, 2\theta)dimana θ∈R+θ∈R+\theta \in \Bbb{R}^+. Bagaimana cara menghitung harapan bersyarat E[X1|X(1),X(n)]E[X1|X(1),X(n)]E[X_1|X_{(1)},X_{(n)}]dimana X(1)X(1)X_{(1)} dan X(n)X(n)X_{(n)} Apakah statistik pesanan terkecil dan terbesar masing-masing? Pikiran pertama saya adalah bahwa karena statistik pesanan membatasi rentang, itu sederhana (X(1)+X(n))/2(X(1)+X(n))/2(X_{(1)}+X_{(n)})/2, tetapi saya tidak yakin apakah ini benar!

1
Jarak minimum yang diharapkan dari suatu titik dengan kepadatan yang bervariasi
Saya melihat bagaimana jarak Euclidean minimum yang diharapkan antara titik-titik seragam acak dan titik asal berubah saat kami meningkatkan kepadatan titik-titik acak ( titik per unit persegi ) di sekitar titik asal. Saya telah berhasil menemukan hubungan antara keduanya yang digambarkan sebagai berikut: Expected Min Distance=12Density−−−−−−√Expected Min Distance=12Massa jenis\text{Expected Min …


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.