Les valeurs extrêmes sont les plus grandes ou les plus petites observations d'un échantillon; par exemple, le minimum de l'échantillon (la statistique du premier ordre) et le maximum de l'échantillon (la statistique du n-ième ordre). Les distributions de valeurs extrêmes asymptotiques * sont associées aux valeurs extrêmes. *
Si sont des variables aléatoires indépendantes distribuées de manière identique, que peut-on dire de la distribution de en général?X1,...,XnX1,...,XnX_1, ..., X_nmin(X1,...,Xn)min(X1,...,Xn)\min(X_1, ...,
J'ai lu que l'algorithme k-means ne converge que vers un minimum local et non vers un minimum global. Pourquoi est-ce? Je peux logiquement penser à la façon dont l'initialisation pourrait affecter le clustering final et il existe une possibilité de clustering sous-optimal, mais je n'ai rien trouvé...
Supposons que X∼N(μx,σ2x)X∼N(μx,σx2)X \sim \mathcal{N}(\mu_x, \sigma^2_x) et Y∼N(μy,σ2y)Y∼N(μy,σy2)Y \sim \mathcal{N}(\mu_y, \sigma^2_y) z=min(μx,μy)z=min(μx,μy)z = \min(\mu_x, \mu_y)zzz L'estimateur simple de où et sont par exemple des moyennes d'échantillon de et , est biaisé (bien que cohérent)....
C'est ma première fois ici, alors faites-moi savoir si je peux clarifier ma question de quelque manière que ce soit (y compris le formatage, les balises, etc.). (Et j'espère pouvoir éditer plus tard!) J'ai essayé de trouver des références, et j'ai essayé de me résoudre en utilisant l'induction,...
Je suis coincé sur la façon de résoudre ce problème. Donc, nous avons deux séquences de variables aléatoires, et Y i pour i = 1 , . . . , n . Maintenant, X et Y sont des distributions exponentielles indépendantes avec les paramètres λ et μ . Cependant, au lieu d'observer X et Y , on observe à la...
Supposons que j'ai le minimum, la moyenne et le maximum de certains ensembles de données, disons 10, 20 et 25. Y a-t-il un moyen de: créer une distribution à partir de ces données, et savoir quel pourcentage de la population se situe probablement au-dessus ou au-dessous de la moyenne Éditer: Selon...
Dans R, il existe une fonction nlm () qui effectue une minimisation d'une fonction f en utilisant l'algorithme de Newton-Raphson. En particulier, cette fonction génère la valeur du code variable défini comme suit: codez un entier indiquant pourquoi le processus d'optimisation s'est terminé. 1: le...
MISE À JOUR 25 janvier 2014: l'erreur est maintenant corrigée. Veuillez ignorer les valeurs calculées de la valeur attendue dans l'image téléchargée - elles sont erronées - je ne supprime pas l'image car elle a généré une réponse à cette question. MISE À JOUR 10 janvier 2014: l'erreur a été trouvée...
Supposons la configuration suivante: Soit Zi=min{ki,Xi},i=1,...,nZi=min{ki,Xi},i=1,...,nZ_i = \min\{k_i, X_i\}, i=1,...,n . Aussi Xi∼U[ai,bi],ai,bi>0Xi∼U[ai,bi],ai,bi>0X_i \sim U[a_i, b_i], \; a_i, b_i >0 . De plus ki=cai+(1−c)bi,0<c<1ki=cai+(1−c)bi,0<c<1k_i = ca_i + (1-c)b_i,\;\;...
Supposons que je nnn paramètres positifs pour estimer μ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_n et leur correspondant nnn estimations non biaisées produites par les estimateurs μ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n} , soit E[μ1^]=μ1E[μ1^]=μ1\mathrm...
J'examine comment la distance euclidienne minimale attendue entre des points uniformément aléatoires et l'origine change à mesure que nous augmentons la densité de points aléatoires ( points par unité de carré ) autour de l'origine. J'ai réussi à trouver une relation entre les deux décrits comme...