Je suis curieux de savoir s'il existe une transformation qui modifie l'inclinaison d'une variable aléatoire sans affecter la kurtosis. Cela serait analogue à la façon dont une transformation affine d'un RV affecte la moyenne et la variance, mais pas le biais et le kurtosis (en partie parce que le...
Quelle est la meilleure façon d'approximer pour deux entiers donnés lorsque vous connaissez la moyenne , la variance , l'asymétrie et l'excès de kurtosis d'une distribution discrète , et il ressort clairement des mesures (non nulles) de la forme et qu'une approximation normale n'est pas...
Je calcule la covariance d'une distribution en parallèle et j'ai besoin de combiner les résultats distribués en gaussien singulier. Comment combiner les deux? L'interpolation linéaire entre les deux fonctionne presque, si elles sont distribuées et dimensionnées de manière similaire. Wikipedia...
Comment expliquer les méthodes généralisées des moments et comment elles sont utilisées par un non statisticien? Jusqu'à présent, je continue: c'est quelque chose que nous utilisons pour estimer des conditions telles que les moyennes et les variations basées sur les échantillons que nous avons...
J'ai une situation où je peux estimer (les premiers) moments d'un ensemble de données, et je voudrais l'utiliser pour produire une estimation de la fonction de densité.kkk J'ai déjà rencontré la distribution Pearson , mais j'ai réalisé qu'elle ne dépend que des 4 premiers moments (avec quelques...
En physique ou en mécanique mathématique, à partir d'une position temporelle , on obtient des taux de variation via des dérivées par rapport au temps: vitesse, accélération, secousse (3e ordre), saut (4e ordre).x ( t )X(t)x(t) Certains ont déjà proposé le snap, le crackle, le pop pour les dérivés...
Ceci est juste un exemple que j'ai rencontré plusieurs fois, donc je n'ai pas d'échantillons de données. Exécution d'un modèle de régression linéaire dans R: a.lm = lm(Y ~ x1 + x2) x1est une variable continue. x2est catégorique et a trois valeurs, par exemple "Low", "Medium" et "High". Cependant,...
Une fonction génératrice de moments est-elle une transformée de Fourier d' une fonction de densité de probabilité? En d'autres termes, une fonction génératrice de moments est-elle simplement la résolution spectrale d'une distribution de densité de probabilité d'une variable aléatoire, c'est-à-dire...
Je suis presque sûr d'avoir déjà vu le résultat suivant dans les statistiques mais je ne me souviens pas où. Si est une variable aléatoire positive et alors lorsque , où est le cdf de .E ( X ) < ∞ ε F - 1 ( 1 - ε ) → 0 ε → 0 + F
Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma)RdRd\mathbb R^dZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) Cela se produit par exemple parce que, si nous utilisons la fonction d'activation ReLU à l'intérieur d'un réseau profond, et supposons via le CLT que les entrées d'une couche donnée sont...
Quelqu'un peut-il suggérer comment je peux calculer la fonction de génération de moment du produit intérieur de deux vecteurs aléatoires gaussiens, chacun distribué comme , indépendamment l'un de l'autre? Y a-t-il un résultat standard disponible pour cela? Tout pointeur est très apprécié.N( 0 ,...
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec...
Je connais les premiers moments d'une distribution. Je sais aussi que ma distribution est continue, unimodale et bien formée (elle ressemble à une distribution gamma). Est-ce possible de:NNN En utilisant un algorithme, générez des échantillons à partir de cette distribution, qui dans des conditions...
Je suis novice dans l'utilisation des GMM. Je n'ai pas pu trouver d'aide en ligne appropriée. Quelqu'un pourrait-il me fournir la bonne ressource sur "Comment décider si l'utilisation de GMM convient à mon problème?" ou en cas de problèmes de classification "Comment décider si je dois utiliser la...
Selon la loi de la variance totale, Var( X) = E( Var( X∣ Y) ) + Var( E( X∣ Y) )Var(X)=E(Var(X∣Y))+Var(E(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) En essayant de le prouver, j'écris Var( X)= E( X- EX)2= E{ E[ ( X-...
Je suis en train d'apprendre par moi-même sur la théorie des modèles linéaires, et une chose que je trouve surprenante est que bien que soit défini pour un vecteur aléatoire , il n'y a aucune mention d'autres moments en dehors de la matrice de
Si où le support de est . Donc, . Disons alors que je suppose que a moments finis. Lorsque , je sais que ce que des moyens où est la densité associée de . Quel est l'équivalent mathématique de supposer que a moments finis lorsque ?X∼FX∼FX \sim FXXXRpRp\mathbb{R}^pX=(X1,X2,…,Xp)X=(X1,X2,…,Xp)X =...
SoitXn=⎧⎩⎨1−12kw.p. (1−2−n)/2w.p. (1−2−n)/2w.p. 2−k for k>nXn={1w.p. (1−2−n)/2−1w.p. (1−2−n)/22kw.p. 2−k for k>nX_n = \begin{cases} 1 & \text{w.p. } (1 - 2^{-n})/2\\ -1 & \text{w.p. } (1 - 2^{-n})/2\\ 2^k & \text{w.p. } 2^{-k} \text{ for } k > n\\ \end{cases} Je dois montrer que même si cela...
J'essaie de montrer que le moment central d'une distribution symétrique: est zéro pour les nombres impairs. Ainsi, par exemple, le troisième moment centralJ'ai commencé par essayer de montrer queJe ne sais pas où aller à partir d'ici, des suggestions? Y a-t-il une meilleure façon de prouver cela?E...
Dans les commentaires ci - dessous un de mes messages, Glen_b et moi discutions comment les distributions discrètes ont nécessairement une moyenne et une variance dépendantes. Pour une distribution normale, cela a du sens. Si je te raconteX¯X¯\bar{x}, vous ne savez pas quoi s2s2s^2 est, et si je...