Statistiken und Big Data heavy-tailed

3

Welches hat den schwereren Schwanz, lognormal oder gamma?

(Dies basiert auf einer Frage, die ich gerade per E-Mail erhalten habe. Ich habe einen Kontext aus einem vorherigen kurzen Gespräch mit derselben Person hinzugefügt.) Letztes Jahr wurde mir gesagt, dass die Gammaverteilung schwerer ist als die logarithmische Verteilung, und seitdem wurde mir mitgeteilt, dass dies nicht der Fall ist. …

41 distributions gamma-distribution lognormal heavy-tailed

1

Beispiel für eine nicht langschwänzige Verbreitung mit schwerem Schwanz

Aus der Lektüre über Schwere- und Langschwanzverteilungen habe ich verstanden, dass alle Schwere-Verteilungen Schwere-Verteilungen sind , aber nicht alle Schwere-Verteilungen sind Langschwere-Verteilungen . Könnte jemand bitte ein Beispiel geben für: eine kontinuierliche, symmetrische Funktion mit mittlerer Dichte von Null, die langschwänzig ist Eine stetige, symmetrische Funktion mit einer mittleren Dichte …

14 distributions heavy-tailed

3

t-Verteilung mit schwererem Schwanz als Normalverteilung

In meinen Vorlesungsunterlagen heißt es: Die T-Verteilung sieht normal aus, allerdings mit etwas schwereren Schwänzen. Ich verstehe, warum es normal aussehen würde (aufgrund des zentralen Grenzwertsatzes). Es fällt mir jedoch schwer zu verstehen, wie ich mathematisch beweisen kann, dass es schwerere Schwänze als die Normalverteilung hat und ob es eine …

10 normal-distribution t-distribution heavy-tailed

3

Was bedeutet es zu sagen, dass

Eine Übungsfrage stellt Sei X1,X2X1,X2X_1, X_2 rvs mit einer gemeinsamen Normalverteilung N(0,1)N(0,1)N(0,1) mit Corr(X1,X2)=ρCorr⁡(X1,X2)=ρ\operatorname{Corr}(X_1, X_2) = \rho . Berechnen Sie den Koeffizienten der Abhängigkeit des oberen Schwanzes für alle ρ∈[−1,1]ρ∈[−1,1]\rho \in [-1, 1] . Was bedeutet es damit, dass sie eine "gemeinsame" Normalverteilung haben? Mein erster Gedanke war, dass sowohl …

8 probability random-variable heavy-tailed

2

Quantifizierung der Abhängigkeit von Cauchy-Zufallsvariablen

Gegeben zwei Cauchy-Zufallsvariablen θ1∼ C a u c h y (x( 1 )0,γ( 1 ))θ1∼C.einuchy(x0(1),γ(1))\theta_1 \sim \mathrm{Cauchy}(x_0^{(1)}, \gamma^{(1)}) und θ2∼ C a u c h y (x( 2 )0,γ( 2 ))θ2∼C.einuchy(x0(2),γ(2))\theta_2 \sim \mathrm{Cauchy}(x_0^{(2)}, \gamma^{(2)}). Das ist nicht unabhängig. Die Abhängigkeitsstruktur von Zufallsvariablen kann häufig mit ihrer Kovarianz oder ihrem Korrelationskoeffizienten …

7 covariance independence copula heavy-tailed

Als «heavy-tailed» getaggte Fragen