«random-variable» 태그된 질문

중앙 한계 정리 (Central Limit Theorem)에 따르면, 큰 독립 랜덤 변수의 합의 확률 밀도 함수는 보통이됩니다. 따라서 많은 독립된 Cauchy 랜덤 변수의 합도 정상이라고 말할 수 있습니까?

9 random-variable  central-limit-theorem  cauchy 

허락하다 엑스XX 값을 취하는 이산 랜덤 변수 엔N\mathbb{N}. 이 변수 를 반 으로 바꾸고 싶습니다 , 즉 임의의 변수를 찾고 싶습니다와이YY 같은 : 엑스= Y+와이※X=Y+Y∗X = Y + Y^* 어디 와이※Y∗Y^* 독립적 인 사본입니다 와이YY. 나는이 과정을 반으로 언급하고있다 . 이것은 전문 용어입니다. 이 작업에 대한 문헌에 적절한 용어가 있습니까? …

9 random-variable 

몇 년 전 우리 대학에서 학기 시험에 나온 문제는 해결하기 위해 고군분투하고 있습니다. 경우 무관 밀도 확률 변수 과 각각 해당 표시 다음 .X1,X2X1,X2X_1,X_2ββ\betaβ(n1,n2)β(n1,n2)\beta(n_1,n_2)β(n1+12,n2)β(n1+12,n2)\beta(n_1+\dfrac{1}{2},n_2)X1X2−−−−−√X1X2\sqrt{X_1X_2}β(2n1,2n2)β(2n1,2n2)\beta(2n_1,2n_2) 나는 Jacobian 방법을 사용하여 의 밀도가 다음과 . Y=X1X2−−−−−√Y=X1X2Y=\sqrt{X_1X_2}에프와이( y) =4와이2엔1B (엔1,엔2) B (엔1+12,엔2)∫1와이1엑스2( 1 −엑스2)엔2− 1( 1 −와이2엑스2)엔2− 1디엑스fY(y)=4y2n1B(n1,n2)B(n1+12,n2)∫y11x2(1−x2)n2−1(1−y2x2)n2−1dxf_Y(y)=\dfrac{4y^{2n_1}}{B(n_1,n_2)B(n_1+\dfrac{1}{2},n_2)}\int_y^1\dfrac{1}{x^2}(1-x^2)^{n_2-1}(1-\dfrac{y^2}{x^2})^{n_2-1}dx 나는이 시점에서 실제로 길을 잃었다. 이제 …

9 self-study  random-variable  beta-distribution  distributions  jacobian 

기본 확률에 대한 적절한 지식이 필요한 인터뷰를 준비 중입니다 (적어도 인터뷰 자체를 통과해야 함). 나는 학생 시절부터 아래 시트를 개정으로 일하고 있습니다. 대부분 매우 간단했지만 질문 12에 완전히 빠져 들었습니다. http://www.trin.cam.ac.uk/dpk10/IA/exsheet2.pdf 도움을 주시면 감사하겠습니다. 편집 : 질문은 다음과 같습니다 가 독립적으로 및 갖는 동일하게 분포 된 양의 랜덤 변수 라고 …

9 probability  self-study  random-variable 

하자 값 복용 독립 확률 변수 일 수 또는 확률을 각각 0.5. 합계 . 확률 상한을 설정하고 싶습니다 . 내가 지금 가지고있는 가장 좋은 범위는 여기서 c 는 범용 상수입니다. 이것은 간단한 Chernoff 범위의 적용에 의해 확률 Pr (| x_1 + \ dots + x_n | <\ sqrt {t}) 및 …

9 probability  random-variable  bernoulli-distribution 

이 기사 에서 다음과 같은 이식편을 가져옵니다 . 부트 스트랩을 사용하고 R boot패키지가있는 선형 혼합 모델을 위해 파라 메트릭, 반 파라 메트릭 및 비 파라 메트릭 부트 스트랩 부트 스트랩을 구현하려고 초보자 입니다. R 코드 내 R코드 는 다음과 같습니다 . library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

나는 거의 같은 질문을 가지고 있습니다 : Bernoulli 랜덤 변수의 합을 효율적으로 모델링 할 수 있습니까? 그러나 설정은 매우 다릅니다. S=∑i=1,NXiS=∑i=1,NXiS=\sum_{i=1,N}{X_i} , , ~ 20, ~ 0.1P(Xi=1)=piP(Xi=1)=piP(X_{i}=1)=p_iNNNpipip_i Bernoulli 랜덤 변수의 결과에 대한 데이터가 있습니다 : ,Xi,jXi,jX_{i,j}Sj=∑i=1,NXi,jSj=∑i=1,NXi,jS_j=\sum_{i=1,N}{X_{i,j}} 최대 우도 추정값을 사용 하여 를 추정하고 얻는 다면 가 훨씬 큽니다. 다른 기준에 …

9 distributions  modeling  binomial  random-variable  non-independent 

그래서, 나는 16 개의 시험을 가지고 있는데, 여기에서 Hamming Distance를 사용하여 생체 특성으로부터 사람을 인증하려고합니다. 임계 값이 3.5로 설정되었습니다. 내 데이터는 다음과 같으며 1 번 시험 만 참 긍정입니다. Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 0.32 9 0.39 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

불행히도 어디서부터 시작해야할지 전혀 모르는 통계 문제가 있습니다. (내가 스스로 공부하고 있으므로 무언가를 이해하지 못하면 물어볼 사람이 없습니다. 질문은 ~이야 엑스, Y엑스,와이X,Y IID 엔( a ,비2) ; a = 0 ;비2= 6 ; V R (엑스2+와이2) = ?엔(ㅏ,비2);ㅏ=0;비2=6;Vㅏ아르 자형(엑스2+와이2)=?N(a,b^2); a=0; b^2=6; var(X^2+Y^2)=?

8 self-study  normal-distribution  random-variable