iid ist eine Abkürzung für unabhängig und identisch verteilt. Viele statistische Methoden gehen davon aus, dass die Daten iid sind; Das heißt, dass jede Beobachtung aus derselben Verteilung stammt und unabhängig von anderen Beobachtungen ist.
Beim statistischen Lernen wird implizit oder explizit immer davon ausgegangen, dass die Trainingsmenge aus Eingabe- / Antworttupeln besteht , die unabhängig voneinander aus derselben gemeinsamen Verteilung gezogen werden mitD ={ X , y }D={X,y}\mathcal{D} = \{ \bf {X}, \bf{y} \}NNN( Xich, yich)(Xich,yich)({\bf{X}}_i,y_i) P ( X ,y)P(X,y)\mathbb{P}({\bf{X}},y) p ( X , …
Dies ist eine Interviewfrage für eine quantitative Analystenposition, über die hier berichtet wird . Angenommen, wir zeichnen aus einer gleichmäßigen [0,1][0,1][0,1] -Verteilung und die Ziehungen lauten: Wie lang ist die erwartete monoton ansteigende Verteilung? Das heißt, wir hören auf zu zeichnen, wenn die aktuelle Auslosung kleiner oder gleich der vorherigen …
In der Regel verwenden wir PCA als Methode zur Dimensionsreduktion für Daten, bei denen angenommen wird, dass es sich um iid-Fälle handelt Frage: Was sind die typischen Nuancen bei der Anwendung von PCA für abhängige, nicht-iid-bezogene Daten? Welche netten / nützlichen Eigenschaften von PCA, die für iid-Daten gelten, sind gefährdet …
Gibt es eine Annahme über die Antwortvariable der logistischen Regression? Angenommen, wir haben Datenpunkte. Es scheint, dass die Antwort von einer Bernoulli-Distribution mit . Daher sollten wir Bernoulli-Verteilungen mit unterschiedlichen Parametern .Y i p i = logit100010001000YiYiY_i1000 ppi=logit(β0+β1xi)pi=logit(β0+β1xi)p_i=\text{logit}(\beta_0+\beta_1 x_i)100010001000ppp Sie sind also "unabhängig", aber nicht "identisch". Habe ich recht? PS. …
Ich habe Schwierigkeiten gehabt, die Bedeutung von "Zufallsstichprobe" und "iid Zufallsvariable" zu verstehen. Ich habe versucht, die Bedeutung aus mehreren Quellen herauszufinden, wurde aber immer verwirrter. Ich poste hier, was ich versucht und erfahren habe: Degroots Wahrscheinlichkeit & Statistik sagt: Zufällige Stichproben / iid / Stichprobengröße: Betrachten Sie eine gegebene …
Wie würden Sie testen oder überprüfen, ob die Probenahme IID (Independent and Identically Distributed) ist? Beachten Sie, dass ich nicht Gaußsch und identisch verteilt meine, sondern nur IID. Und mir fällt die Idee ein, die Stichprobe wiederholt in zwei gleich große Teilstichproben aufzuteilen, den Kolmogorov-Smirnov-Test durchzuführen und zu überprüfen, ob …
Es mag eine komische Frage sein, aber als Anfänger frage ich mich, warum wir die Regression verwenden, um eine Zeitreihe abzutrennen, wenn eine der Annahmen der Regression darin besteht, dass die Daten, auf die die Regression angewendet wird, a sind nicht iid?
Angenommen, X0, X1, … , XnX0,X1,…,Xn X_{0},X_{1},\ldots,X_{n} sind Zufallsvariablen, die der Poisson-Verteilung mit dem Mittelwert folgen . Wie kann ich nachweisen, dass es keinen unvoreingenommenen Schätzer für die Menge ?λλ \lambda 1λ1λ \dfrac{1}{\lambda}
Ich bin auf diese Ableitung die ich nicht verstehe: Wenn Zufallsstichproben der Größe n sind, die aus einer Population von Mittelwert und Varianz entnommen wurden , dannX1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nμμ\muσ2σ2\sigma^2 X¯=(X1+X2+...+Xn)/nX¯=(X1+X2+...+Xn)/n\bar{X} = (X_1 + X_2 + ... + X_n)/n E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(\bar{X}) = E(X_1 + X_2 + ... + X_n)/n = (1/n)(E(X_1) …
Wie im Titel vorgeschlagen. Angenommen, X1,X2,…,XnX1,X2,…,XnX_1, X_2, \dotsc, X_n sind kontinuierliche iid Zufallsvariablen mit pdf fff . Betrachten Sie das Ereignis, dass X1≤X2…≤XN−1>XNX1≤X2…≤XN−1>XNX_1 \leq X_2 \dotsc \leq X_{N-1} > X_N , N≥2N≥2N \geq 2 , also NNN ist, wenn die Sequenz zum ersten Mal abnimmt. Was ist dann der Wert …
Ist es möglich, dass das PDF der Differenz zweier iid-Wohnmobile wie ein Rechteck aussieht (anstelle von beispielsweise dem Dreieck, das wir erhalten, wenn die Wohnmobile aus der gleichmäßigen Verteilung entnommen werden)? dh ist es möglich, dass das PDF f von jk (für zwei iid rvs aus einer Verteilung) f (x) …
Nehme an, dass Xi∼i.i.d.N(μ,σ2)Xi∼i.i.d.N(μ,σ2)X_i \stackrel{\mbox{i.i.d.}}{\sim} \mathcal{N} (\mu, \sigma^2), wo σ2σ2\sigma^2ist bekannt. Anhand dieser Daten möchten wir testen, obμ∈Qμ∈Q\mu \in \mathbb{Q}, das heißt, ob der Mittelwert μμ\mu ist eine rationale Zahl. Es scheint intuitiv klar zu sein, dass wir dies nicht tun können, da jedes Geräusch zu viel Geräusch sein wird. …
Lassen X.XX und Y.YY sei iid ∼ N.o r m a l ( 0 , 1 )∼Normal(0,1)\sim Normal(0,1) Lassen A = m a x ( X., Y.)A=max(X,Y)A=max(X,Y) und B = m i n ( X., Y.)B=min(X,Y)B=min(X,Y) Was sind V.a r ( A )Var(A)Var(A) und V.a r ( B )Var(B)Var(B)? Aus …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.