«moments» 태그된 질문

모멘트는 랜덤 변수의 특성 (예 : 위치, 척도)을 요약 한 것입니다. 분수 순간에도 사용하십시오.

4
확률 분포의 '순간'에 대한 '순간'은 무엇입니까?
나는 순간이 무엇인지, 어떻게 계산하는지, 고순도 순간을 얻기 위해 순간 생성 기능을 사용하는 방법을 알고 있습니다. 예, 나는 수학을 알고 있습니다. 이제 통계 지식을 업무에 활용해야하므로이 질문을해도 좋을 것이라고 생각했습니다. 몇 년 동안 저를 잔소리하고 다시 대학에서 교수가 답을 알지 못했거나 질문을 기각하지 않았습니다. . 이 경우 "모멘트"라는 단어는 무엇을 …
2
로그 정규 분포의 모멘트 추정치
로그 정규 분포 샘플링으로 구성된 몇 가지 수치 실험을 하고 두 가지 방법으로 모멘트 을 추정하려고 합니다.X∼LN(μ,σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma)E[Xn]E[Xn]\mathbb{E}[X^n] 의 표본 평균을 보면XnXnX^n 의 표본 평균을 사용하여 및 를 추정 한 다음 로그 정규 분포의 경우 .μμ\muσ2σ2\sigma^2log(X),log2(X)log⁡(X),log2⁡(X)\log(X), \log^2(X)E[Xn]=exp(nμ+(nσ)2/2)E[Xn]=exp⁡(nμ+(nσ)2/2)\mathbb{E}[X^n]=\exp(n \mu + (n \sigma)^2/2) 문제는 : 실험적으로 두 번째 방법은 첫 번째 방법보다 …
2
모멘트를 사용하여 정수 스트림에 대한 대략적인 Quantile을 계산합니까?
math.stackexchange 에서 마이그레이션되었습니다 . 정수의 긴 스트림을 처리하고 있으며 많은 데이터를 저장하지 않고 스트림의 다양한 백분위 수를 대략적으로 계산할 수 있도록 몇 가지 순간을 추적하는 것을 고려하고 있습니다. 잠시 후에 백분위 수를 계산하는 가장 간단한 방법은 무엇입니까? 적은 양의 데이터 만 저장하는 더 나은 방법이 있습니까?
4
순간이란 무엇입니까? 그것들은 어떻게 파생됩니까?
우리는 일반적으로 모든 모수의 모수를 추정 할 때까지 "모멘트 모멘트를 표본에 대응시키는"모멘트 추정법을 소개합니다. 정규 분포의 경우이 분포를 완전히 설명하기 때문에 첫 번째 순간과 두 번째 순간 만 필요합니다. 이자형( X) = μ⟹∑엔나는 = 1엑스나는/ n= X¯이자형(엑스)=μ⟹∑나는=1엔엑스나는/엔=엑스¯E(X) = \mu \implies \sum_{i=1}^n X_i/n = \bar{X} 이자형( X2) = μ2+ σ2⟹∑엔나는 = …
3
순간 생성 함수 증명으로 확률 분포를 고유하게 결정
Wackerly 등의 텍스트 는 이 정리 " 와 는 각각 랜덤 변수 X와 Y의 모멘트 생성 함수를 나타냅니다. 모멘트 생성 함수가 존재하고 "t의 모든 값에 대해 X와 Y는 동일한 확률 분포를 갖습니다." 텍스트의 범위를 넘어서는 증거가 없습니다. Scheaffer Young은 증거가없는 동일한 정리 를 가지고 있습니다. Casella의 사본이 없지만 Google 도서 …
1
두 번째 순간 방법, 브라운 운동?
비티BtB_t 를 표준 브라운 운동 이라고하자 . 하자 이벤트를 나타낸다 및하자 여기서, 나타내고 인디케이터 기능. 존재 하는가 이되도록 대 모든 ? 나는 그 대답이 '예'라고 생각합니다. 나는 두 번째 순간 방법으로 엉망을 시도했지만별로 소용이 없습니다. 이것이 두 번째 모멘트 방법으로 보여 질 수 있습니까? 아니면 다른 것을 시도해야합니까?{ B t …
2
정규 분포의 첨도가 0이 아닌 3 인 이유
정규 분포의 첨도는 3이라는 진술의 의미는 무엇입니까? 그것은 수평선에서 3의 값이 최대 확률에 해당한다는 것을 의미합니까? 3은 시스템의 모드입니까? 정상적인 곡선을 볼 때, 중심에서 일명 0이 발생하는 것처럼 보입니다. 왜 첨도는 0이 아닌 3입니까?
1
모멘트 생성 기능과 특성 기능 간의 연결
모멘트 생성 기능과 특성 기능 간의 연결을 이해하려고합니다. 모멘트 생성 함수는 다음과 같이 정의됩니다 : MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} exp ( t X ) 의 연속 확장 사용 = ∑ ∞ 0 ( t ) n ⋅ …
1
동일한 모멘트를 갖는 분포가 동일한 지 여부
다음은 여기 및 여기의 이전 게시물과 비슷하지만 다릅니다. 모든 주문의 모멘트를 허용하는 두 개의 분배가 주어지면 두 분배의 모든 모멘트가 동일하면 동일한 분배 ae입니까? 모멘트 생성 기능을 허용하는 두 개의 분포가 주어지면 모멘트가 동일한 경우 모멘트 생성 기능이 동일합니까?
2
지수 가중 이동 왜곡 / 커트 시스
지수 가중 이동 평균 및 공정의 표준 편차 을 계산하기위한 잘 알려진 온라인 공식이 (xn)n=0,1,2,…(xn)n=0,1,2,…(x_n)_{n=0,1,2,\dots}있습니다. 평균적으로 μn=(1−α)μn−1+αxnμn=(1−α)μn−1+αxn\mu_n = (1-\alpha) \mu_{n-1} + \alpha x_n 그리고 분산을 위해 σ2n=(1−α)σ2n−1+α(xn−μn−1)(xn−μn)σn2=(1−α)σn−12+α(xn−μn−1)(xn−μn)\sigma_n^2 = (1-\alpha) \sigma_{n-1}^2 + \alpha(x_n - \mu_{n-1})(x_n - \mu_n) 표준 편차를 계산할 수 있습니다. 지수 가중 된 제 3 및 제 4 중심 …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.