Als «distributions» getaggte Fragen

Eine Verteilung ist eine mathematische Beschreibung von Wahrscheinlichkeiten oder Häufigkeiten.

2
Kerndichteschätzung für asymmetrische Verteilungen
Sei Beobachtungen, die aus einer unbekannten (aber sicherlich asymmetrischen) Wahrscheinlichkeitsverteilung stammen.{ x1, … , X.N.}}{x1,…,xN.}}\{x_1,\ldots,x_N\} Ich mag die Wahrscheinlichkeitsverteilung finden , indem Sie den KDE - Ansatz: f ( x ) = 1 Ich habe jedoch versucht, einen Gaußschen Kernel zu verwenden, der jedoch eine schlechte Leistung erbrachte, da er …
2
Differenz der Gamma-Zufallsvariablen
Wie ist die Verteilung der Differenz bei zwei unabhängigen Zufallsvariablen und Y ∼ G a m m a ( α Y , β Y ) , dh D = X - Y ?X.∼ G a m m a ( αX., βX.)X∼Gamma(αX,βX)X\sim \mathrm{Gamma}(\alpha_X,\beta_X)Y.∼ G a m m a ( αY., βY.)Y∼Gamma(αY,βY)Y\sim …
2
Erwarteter Wert einer Gaußschen Zufallsvariablen, die mit einer logistischen Funktion transformiert wurde
Sowohl die logistische Funktion als auch die Standardabweichung werden normalerweise als . Ich werde und s für die Standardabweichung verwenden.σσ\sigmaσ(x)=1/(1+exp(−x))σ(x)=1/(1+exp⁡(−x))\sigma(x) = 1/(1+\exp(-x))sss Ich habe eine logistische Neuron mit einem zufälligen Eingang , dessen Mittelwert und Standardabweichung ich weiß. Ich hoffe, dass der Unterschied zum Mittelwert durch ein Gaußsches Rauschen gut …
1
Long-Tailed-Verteilung von Zeitereignissen
Angenommen, Sie haben die Protokolle eines Webservers. In diesen Protokollen haben Sie Tupel dieser Art: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Diese Zeitstempel repräsentieren zB die Klicks der Benutzer. user1Besuchen Sie die Site jetzt mehrmals (Sitzungen) im Laufe des Monats, und Sie erhalten während jeder …
2
Warum sind Distributionen wichtig?
Dies mag genauso gut fallen wie die albernsten Fragen, die jemals in diesem Forum gestellt wurden, aber nachdem ich fundierte und aussagekräftige Antworten auf eine frühere Frage erhalten hatte, dachte ich, ich werde mein Glück wieder strecken. Ich bin seit einiger Zeit sehr verwirrt über die Bedeutung statistischer Verteilungen, insbesondere …
1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
2
Wie generiere ich Zahlen gemäß einer Soliton-Verteilung?
Die Soliton-Verteilung ist eine diskrete Wahrscheinlichkeitsverteilung über eine Menge mit der Wahrscheinlichkeitsmassenfunktion{1,…,N}{1,…,N}\{1,\dots, N\} p(1)=1N,p(k)=1k(k−1)for k∈{2,…,N}p(1)=1N,p(k)=1k(k−1)for k∈{2,…,N} p(1)=\frac{1}{N},\qquad p(k)=\frac{1}{k(k-1)}\quad\text{for }k\in\{2,\dots, N\} Ich möchte es als Teil einer Implementierung eines LT-Codes verwenden , idealerweise in Python, wo ein einheitlicher Zufallszahlengenerator verfügbar ist.
2
Asymptotische Verteilung der Statistik maximaler Ordnung von IID-Zufallsnormalen
Gibt es eine schöne Grenzverteilung von wenn n zu \ infty geht , vorausgesetzt, es handelt sich um Normalverteilungen mit Varianz \ sigma ^ 2 .max(X1,X2,...,Xn)max(X1,X2,...,Xn)\max( X_1,X_2,...,X_n) nnn∞∞\inftyσ2σ2\sigma^2 Dies ist mit ziemlicher Sicherheit ein bekanntes Problem mit einem cleveren Beweis und einer guten Lösung, aber ich habe herumgegraben und nichts …
1
Log-Cauchy-Zufallszahlengenerierung
Ich muss Zufallszahlen aus einer logarithmischen Verteilung mit der folgenden Dichte ziehen: Kann mir jemand helfen oder mich auf ein Buch / Papier verweisen, das mir zeigen könnte, wie?f( x ; μ , σ) = 1x πσ[ 1 + ( l n ( x ) - μσ)2]].f(x;μ,σ)=1xπσ[1+(ln(x)−μσ)2].f(x;\mu,\sigma)=\frac{1}{x\pi\sigma\left[1+\left(\frac{ln(x)-\mu}{\sigma}\right)^2\right]}.
2
Gigantische Kurtosis?
Ich mache einige beschreibende Statistiken über die täglichen Renditen von Aktienindizes. Das heißt, wenn und die an Tag 1 bzw. Tag 2 sind, dann ist die Rendite, die ich verwende (in der Literatur völlig Standard).P1P1P_1P2P2P_2loge(P2P1)loge(P2P1)log_e (\frac{P_2}{P_1}) In einigen Fällen ist die Kurtosis also enorm. Ich betrachte ungefähr 15 Jahre tägliche …
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.