Als «cdf» getaggte Fragen

Verteilungsfunktion. Während das PDF die Wahrscheinlichkeitsdichte jedes Werts einer Zufallsvariablen angibt, gibt die CDF (häufig mit ) die Wahrscheinlichkeit an, dass die Zufallsvariable kleiner oder gleich einem bestimmten Wert ist. F(x)

1
Referenzen: Schwanz des inversen cdf
Ich bin mir fast sicher, dass ich das folgende Ergebnis bereits in der Statistik gesehen habe, aber ich kann mich nicht erinnern, wo. Wenn eine positive Zufallsvariable ist und dann wenn , wobei ist CDF von .XXXE(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\inftyεF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to 0ε→0+ε→0+\varepsilon\to 0^+FFFXXX Dies ist geometrisch leicht zu erkennen, wenn die Gleichheit …
1
Welches Deep-Learning-Modell kann Kategorien klassifizieren, die sich nicht gegenseitig ausschließen?
Beispiele: Ich habe einen Satz in der Stellenbeschreibung: "Java Senior Engineer in UK". Ich möchte ein Deep-Learning-Modell verwenden, um es als zwei Kategorien vorherzusagen: English und IT jobs. Wenn ich ein traditionelles Klassifizierungsmodell verwende, kann es nur 1 Etikett mit softmaxFunktion auf der letzten Ebene vorhersagen . Somit kann ich …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Beweis der Wahrscheinlichkeitsintegraltransformation ohne Annahme, dass die CDF streng ansteigt
Ich weiß, dass der Beweis für die Wahrscheinlichkeitsintegraltransformation auf dieser Site mehrfach gegeben wurde. Die Beweise, die ich gefunden habe, verwenden jedoch die Hypothese, dass der CDF FX(x)FX(x)F_X(x) streng zunimmt (natürlich zusammen mit der Hypothese, dass XXX eine kontinuierliche Zufallsvariable ist). Ich weiß, dass die einzig erforderliche Hypothese tatsächlich ist, …
1
Simulieren Sie aus einer Normalverteilung einer abgeschnittenen Mischung
Ich möchte eine Probe aus einer Mischungsnormalverteilung so simulieren, dass p×N(μ1,σ21)+(1−p)×N(μ2,σ22)p×N(μ1,σ12)+(1−p)×N(μ2,σ22)p\times\mathcal{N}(\mu_1,\sigma_1^2) + (1-p)\times\mathcal{N}(\mu_2,\sigma_2^2) ist auf das Intervall anstelle von . Dies bedeutet, dass ich eine abgeschnittene Mischung von Normalverteilungen simulieren möchte.R.[0,1][0,1][0,1]RR\mathbb{R} Ich weiß, dass es einen Algorithmus gibt, um eine abgeschnittene Normalität (dh aus dieser Frage ) und ein entsprechendes …
1
Können wir die Irwin-Hall-Verteilung allgemeiner gestalten?
Ich muss eine symmetrische Verteilungsklasse mit niedriger Kurtosis finden, die die einheitliche, die dreieckige und die normale Gaußsche Verteilung umfasst. Die Irwin-Hall - Verteilung (Summe der Standard - Uniform) bietet diese Eigenschaft, werden aber nicht ganzzahligen Aufträge nicht die Behandlung . Wenn Sie jedoch zB einfach unabhängig voneinander z. B. …
2
Grenze von
Ich frage mich, ob das Limit: wobei \ overline {F} = 1-F die Schwanzverteilungsfunktion ist, \ overline {F} (x) = 1 - F (x) , wobei F die kumulative Verteilungsfunktion istlimx→∞xF¯¯¯¯(x)=0limx→∞xF¯(x)=0 \lim_{x \to \infty} x\overline{F}(x) =0 ¯ F (x)=1-F(x)FF¯¯¯¯=1−FF¯=1−F\overline{F} =1-FF¯¯¯¯(x)=1−F(x)F¯(x)=1−F(x)\overline{F}(x)=1−F(x)FFF Als x→∞x→∞x \to \infty , F¯¯¯¯→0F¯→0\overline{F} \to 0 , also …
3
Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung
Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph &lt;- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, …
8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 
3
Wie man die Quantilfunktion erhält, wenn eine analytische Form der Verteilung nicht bekannt ist
Das Problem kommt von Seite 377-379 dieses [0] Papiers. Betrachten Sie bei einer stetigen Verteilung und einem festen :z ∈ R.FFFz∈Rz∈Rz\in\mathbb{R} Lz(t)=PF(|z−Z|≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) und H(z)=L−1z(0.5)=medZ∼F|z−Z|H(z)=Lz−1(0.5)=medZ∼F|z−Z|H(z)=L^{-1}_z(0.5)=\underset{Z\sim F}{\mbox{med}}|z-Z| wobei die rechte stetige Umkehrung ist. Für ein festes z ist dies also der mittlere Abstand aller Z \ sim F zu z . …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.