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)

3
Name des Phänomens auf geschätzten CDF-Plots zensierter Daten
Mein Datensatz enthält zwei (ziemlich stark korrelierte) Variablen (Laufzeit des Algorithmus) und (Anzahl der untersuchten Knoten, was auch immer). Beide sind vom Design her stark korreliert, da der Algorithmus ungefähr Knoten pro Sekunde verwalten kann.n ctttnnnccc Der Algorithmus wurde bei mehreren Problemen ausgeführt, aber beendet, wenn nach einer Zeitüberschreitung keine …
1
Verteilung eines Uniformenverhältnisses: Was ist falsch?
Angenommen, und sind zwei einheitliche Zufallsvariablen für das IntervallXXXYYY[0,1][0,1][0,1] Sei , ich finde das cdf von , dh .Z=X/YZ=X/YZ=X/YZZZPr(Z≤z)Pr(Z≤z) \Pr(Z\leq z) Jetzt habe ich mir zwei Möglichkeiten ausgedacht, dies zu tun. Einer liefert hier eine korrekte Antwort, die mit dem PDF übereinstimmt: http://mathworld.wolfram.com/UniformRatioDistribution.html , der andere nicht. Warum ist die …
1
Wie implementiere ich eine verallgemeinerte hypergeometrische Funktion zur Verwendung in Beta-Binomial-PDF, SF, PFF?
Ich schreibe eine Unterklasse scipy.stats._distn_infrastructure.rv_discretefür die Beta-Binomialverteilung, deren PMF ist P(X=k∣N,α,β)(Nk)B(k+α,N−k+β)B(α,β),P(X=k∣N,α,β)(Nk)B(k+α,N−k+β)B(α,β),P(X=k \mid N, \alpha, \beta){N \choose k} \frac{\mathrm{B}(k+\alpha,N-k+\beta)}{\mathrm{B}(\alpha,\beta)}, Dabei ist BB\mathrm{B} die Beta-Funktion. Meine derzeitige Implementierung von CDF und SF (Überlebensfunktion, entspricht 1 - CDF) ist ungenau; Die Strategie, die ich angewendet habe, berechnet den erwarteten Wert des Binomial-PDF in …
1
Ungefährer Metropolis-Algorithmus - macht das Sinn?
Vor einiger Zeit fragte Xi'an, was das Äquivalent für cdfs von MCMC für pdfs ist. Die naive Antwort wäre, den "ungefähren" Metropolis-Algorithmus in Form zu verwenden Gegeben 1. Erzeuge 2. nimmX(t)=x(t)X(t)=x(t)X^{(t)} = x^{(t)}Y∼q(y|x(t))Y∼q(y|x(t))Y \sim q(y|x^{(t)})X(t+1)={Yx(t) with probability otherwise.min(F(Y+ε)−F(Y−ε)F(x(t)+ε)−F(x(t)−ε),1)X(t+1)={Y with probability min(F(Y+ε)−F(Y−ε)F(x(t)+ε)−F(x(t)−ε),1)x(t) otherwise. X^{(t+1)} = \begin{cases} Y & \text{ with probability …
2
Ausfallwahrscheinlichkeit
Eine Struktur versagt, wenn sie einer Last ausgesetzt wird, die größer ist als ihr eigener Widerstand: failure := load > resistance Wir können davon ausgehen, dass die Last und der Widerstand unabhängig sind. Ist es richtig zu sagen, dass mit Hilfe von Wahrscheinlichkeitsdichtefunktionen (pdf) und kumulativen Dichtefunktionen (cdf) der Last …
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.