Als «expected-value» getaggte Fragen

Der erwartete Wert einer Zufallsvariablen ist ein gewichteter Durchschnitt aller möglichen Werte, die eine Zufallsvariable annehmen kann, wobei die Gewichte der Wahrscheinlichkeit entsprechen, diesen Wert anzunehmen.

1
Beispiel für die Berechnung der Erwartung eines diskreten Wohnmobils mit dem Riemann-Stieltjes-Integral?
Die Riemann-Stieltjes-Integralschreibweise wird in Erwartungsausdrücken in einigen Wahrscheinlichkeitstexten verwendet. Grundsätzlich erscheint dF (x) im Integral und nicht f (x) dx im Integral, da die CDF F (x) für eine diskrete Verteilung möglicherweise nicht differenzierbar ist. Die Motivation, die ich dafür gehört habe, besteht normalerweise darin, eine einheitliche Definition der Erwartung …
1
Obergrenze an
( 0 , 1 ) φ ( x ) = 1 / x E [ 1X.XX ist eine diskrete Zufallsvariable, die Werte von annehmen kann . Da eine konvexe Funktion ist, können wir Jensens Ungleichung verwenden, um eine Untergrenze abzuleiten : Ist es möglich, eine Obergrenze abzuleiten ?( 0 , …
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 <- 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 
1
Ableiten des K-Mittelwert-Algorithmus als Grenze der Erwartungsmaximierung für Gaußsche Gemische
Christopher Bishop definiert den erwarteten Wert der Likelihood-Funktion für das vollständige Datenprotokoll (dh unter der Annahme, dass wir sowohl die beobachtbaren Daten X als auch die latenten Daten Z erhalten) wie folgt: EZ[lnp(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){lnπk+lnN(xn∣ μk,Σk)}(1)(1)EZ[ln⁡p(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){ln⁡πk+ln⁡N(xn∣ μk,Σk)} \mathbb{E}_\textbf{Z}[\ln p(\textbf{X},\textbf{Z} \mid \boldsymbol{\mu}, \boldsymbol{\Sigma}, \boldsymbol{\pi})] = \sum_{n=1}^N \sum_{k=1}^K \gamma(z_{nk})\{\ln \pi_k + \ln \mathcal{N}(\textbf{x}_n \mid …
2
unter einem Gaußschen
Diese Frage geht aus der folgenden Frage hervor. /math/360275/e1-1x2-under-a-normal-distribution Grundsätzlich ist was das unter einem allgemeinen GaußschenN(μ,σ2). Ich habe versucht,1 neu zuschreibenE.( 11 + x2)E(11+x2)E\left(\frac{1}{1+x^2}\right)N.( μ , σ2)N(μ,σ2)\mathcal{N}(\mu,\sigma^2) als Skalar Mischung von Gaußfunktionen (& agr;∫N(x|0,τ-1)Ga(τ|1/2,1/2)dτ). Dies kam auch zum Stillstand, es sei denn, Sie haben einen Trick unter Ihrem Gürtel.11 …
1
wobei
Ich versuche, die Erwartung für beliebiges c &lt; 0 zu berechnen (für c &gt; 0 ist die Erwartung unendlich), wenn X logarithmisch verteilt ist, dh log ( X ) ∼ N ( μ , σ ) .E.[ ec X.]]E[ecX]E[e^{cX}]c &lt; 0c&lt;0c<0c &gt; 0c&gt;0c>0X.XXLog( X.) ∼ N.( μ , σ)log⁡(X)∼N(μ,σ)\log(X) \sim …
1
Verteilung des Rayleigh-Quotienten
Für ein Forschungsprojekt muss ich den erwarteten Wert des verallgemeinerten Rayleigh-Quotienten finden: Hier sind A und B positiv definierte deterministische p x p- Kovarianzmatrizen, und w folgt einer multivariaten Verteilung mit kreisförmigen Höhenlinien (z. B. multivariate Standardnormalen). Die Dimension p ist größer als 100.E.[ wT.A w / w T.B w …
3
Post-hoc-Test in einer 2x3-ANOVA mit gemischtem Design unter Verwendung von SPSS?
Ich habe zwei Gruppen von 10 Teilnehmern, die während eines Experiments dreimal bewertet wurden. Um die Unterschiede zwischen den Gruppen und zwischen den drei Bewertungen zu testen, führte ich eine 2 × 3-ANOVA mit gemischtem Design mit group(Kontrolle, experimentell), time(erste, zweite, drei) und group x time. Beides timeund groupErgebnis signifikant, …
8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 
5
Warum sollte man sich so sehr um den erwarteten Nutzen kümmern?
Ich habe eine naive Frage zur Entscheidungstheorie. Wir berechnen die Wahrscheinlichkeiten verschiedener Ergebnisse unter Annahme bestimmter Entscheidungen und weisen jedem Ergebnis Dienstprogramme oder Kosten zu. Wir finden die optimale Entscheidung, indem wir die mit dem größten erwarteten Nutzen finden. Aber warum sollten wir so argumentieren? Mit jeder Entscheidung ist tatsächlich …
2
Sei die Ordnungsstatistik. Bewerten Sie ,
Sei die Ordnungsstatistik für eine Zufallsstichprobe der Größe aus einer Normalverteilung mit Mittelwert und Varianz .X(1)≤X(2)X(1)≤X(2)X_{(1)}\leq X_{(2)}222μμ\muσ2σ2\sigma ^{2} Bewerten Sie , , , und .E(X(1))E⁡(X(1))\operatorname{E}(X_{(1)})E(X(2))E⁡(X(2))\operatorname{E}(X_{(2)})Var(X(1))Var⁡(X(1))\operatorname{Var}(X_{(1)})Var(X(2))Var⁡(X(2))\operatorname{Var}(X_{(2)})Cov(X(1),X(2))Cov⁡(X(1),X(2))\operatorname{Cov}(X_{(1)},X_{(2)}) Mein Versuch: Im Allgemeinen weiß ich für eine Zufallsstichprobe der Größe mit der Verteilungsfunktion und der Dichtefunktion , dass die Gelenkdichtefunktion von durch Insbesondere nach …
3
Wählen Sie die Wahrscheinlichkeitsverteilung, um die Bewertungsfunktion zu maximieren (für den CDC-Grippewettbewerb).
Angenommen, Sie haben eine diskrete Zufallsvariable XXX mit Wahrscheinlichkeitsmassenfunktion p(x)=P(X=x)p(x)=P(X=x)p(x) = P(X=x) auf die Unterstützung 0,…,n0,…,n0,\ldots,n. Welche Funktionq(x)≥0q(x)≥0q(x)\ge 0 so dass ∑nx=0q(x)=1∑x=0nq(x)=1\sum_{x=0}^n q(x) = 1 maximiert E(log[q(X−1)+q(X)+q(X+1)])?E(log⁡[q(X−1)+q(X)+q(X+1)])? E(\log[q(X-1)+q(X)+q(X+1)])? Nehmen Sie an, um den Umgang mit Randfällen zu vermeiden P(X=0)=P(X=n)=0P(X=0)=P(X=n)=0P(X=0)=P(X=n)=0. Verwandte Fragen: Ich glaube das q( x )q(x)q(x) das maximiert die …
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.