J'essaie de comprendre comment fonctionne la matrice de covariance . Supposons donc que nous ayons deux variables:X, YX,YX, Y, où Cov ( X, Y) = E [ ( x - E [ X] ) ( y- E [ Y] ) ]Cov(X,Y)=E[(x−E[X])(y−E[Y])]\text{Cov}(X,Y) = \mathbb{E}[(x -\mathbb{E}[X])(y-\mathbb{E}[Y])] donne la relation entre les...
Dans la plupart des cours de théorie des probabilités de base, vos fonctions de génération de moment (mgf) sont utiles pour calculer les moments d'une variable aléatoire. En particulier l'attente et la variance. Maintenant, dans la plupart des cours, les exemples qu'ils fournissent pour l'attente...
Inspiré par cette question , j'ai essayé d'obtenir une expression pour le troisième moment central d'une somme d'un nombre aléatoire de variables aléatoires iid. Ma question est de savoir si elle est correcte et, sinon, ce qui ne va pas ou quelles hypothèses supplémentaires pourraient manquer. Plus...
Pour une variable aléatoire non négative , comment prouver queXXXE(Xn)1nE(Xn)1nE(X^n)^{\frac1n}
Je me demandais pourquoi les erreurs-types sont (sévèrement) biaisées à la baisse lorsque vous utilisez l'estimateur variable général (général) ou l'estimateur de la méthode généralisée des moments
Question simple, mais étonnamment difficile à trouver en ligne. Je sais que pour un RV , on définit le kème moment comme où l'égalité suit si , pour une densité et Lebesgue mesure .XXX∫Xk dP=∫xkf(x) dx∫Xk dP=∫xkf(x) dx\int X^k \ d P = \int x^k f(x) \ dxp=f⋅mp=f⋅mp = f \cdot mfffmmm Alors, quel est...
de calculer l'espérance pour arbitraire (pour l'attente est infinie) si est lognormalement distribué, ie .E[ecX]E[ecX]E[e^{cX}]c<0c<0c0XXXlog(X)∼N(μ,σ)log(X)∼N(μ,σ)\log(X) \sim N(\mu, \sigma) Mon idée était d'écrire l'attente comme intégrale, mais je n'ai pas vu comment procéder:...