«determinant» 태그된 질문


2
매개 변수가 초과 된 모델에 대한 Fisher 정보 매트릭스 결정자
매개 변수가 (성공 가능성) 인 Bernoulli 랜덤 변수 을 고려하십시오 . 우도 함수 및 Fisher 정보 ( 행렬)는 다음과 같습니다.X∈{0,1}X∈{0,1}X\in\{0,1\}θθ\theta1×11×11 \times 1 L1(θ;X)I1(θ)=p(X|θ)=θX(1−θ)1−X=detI1(θ)=1θ(1−θ)L1(θ;X)=p(X|θ)=θX(1−θ)1−XI1(θ)=detI1(θ)=1θ(1−θ) \begin{align} \mathcal{L}_1(\theta;X) &= p(\left.X\right|\theta) = \theta^{X}(1-\theta)^{1-X} \\ \mathcal{I}_1(\theta) &= \det \mathcal{I}_1(\theta) = \frac{1}{\theta(1-\theta)} \end{align} 이제 성공 확률 θ1θ1\theta_1 과 실패 확률 \ theta_0 의 두 매개 변수를 …

1
양의 결정 요인을 균일하게 임의의 직교 행렬을 생성하는 방법은 무엇입니까?
고백해야한다고 어리석은 질문이있을 것입니다. 일정한 크기 의 균일하게 분포 된 랜덤 직교 (직교 정규) 행렬 의 반복 생성을 상상해보십시오.ppp. 때때로 생성 된 행렬에 결정자가 있습니다111 때로는 결정적 요소가 있습니다 −1−1-1. (두 가지 가능한 값이 있습니다. 직교 회전 관점에서det=−1det=−1\det=-1 회전 외에 하나의 추가 반사가 있음을 의미합니다.) 의 부호를 바꿀 수 있습니다detdet\det …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.