Statistiken und Big Data joint-distribution

1

Stimmt die maximale Entropieverteilung mit den gegebenen Randverteilungen mit der Produktverteilung der Randverteilungen überein?

Es ist in der Regel viele gemeinsame Verteilungen P.( X.1= x1, X.2= x2, . . . , X.n= xn)P(X1=x1,X2=x2,...,Xn=xn)P(X_1 = x_1, X_2 = x_2, ..., X_n = x_n) in Übereinstimmung mit einer bekannten Satz Randverteilungen .fich( xich) = P.( X.ich= xich)fich(xich)=P.(X.ich=xich)f_i(x_i) = P(X_i = x_i) von diesen gemeinsamen Verteilungen das …

8 distributions joint-distribution marginal maximum-entropy

2

Problem bei der Berechnung der Gelenk- und Randverteilung zweier gleichmäßiger Verteilungen

Angenommen, wir haben die Zufallsvariable als und als , wobei eine gleichmäßige Verteilung im Intervall .X.1X1X_1X 2 U [ 0 , X 1 ] U [ a , b ] [ a , b ]U.[ 0 , 1 ]U[0,1]U[0,1]X.2X2X_2U.[ 0 , X.1]]U[0,X1]U[0,X_1]U.[ a , b ]U[a,b]U[a,b][ a , b ][a,b][a,b] …

8 pdf marginal joint-distribution

2

Unkorrelation + Gelenknormalität = Unabhängigkeit. Warum? Intuition und Mechanik

Zwei Variablen, die nicht korreliert sind, sind nicht unbedingt unabhängig, wie einfach durch die Tatsache veranschaulicht wird, dass und nicht korreliert, aber nicht unabhängig sind. Es wird jedoch garantiert, dass zwei Variablen, die nicht korreliert UND gemeinsam normalverteilt sind, unabhängig sind. Kann jemand intuitiv erklären, warum dies wahr ist? Was …

7 correlation normal-distribution independence joint-distribution intuition

1

Gibt es eine parametrische gemeinsame Verteilung, so dass und beide einheitlich sind und

Gibt es eine parametrische gemeinsame Verteilung, so dass XXX und YYY auf [0,1][0,1][0, 1] (dh einer Kopula) und \ mathbb {E} [Y | beide gleich sind ? X = x]E[Y|X=x]E[Y|X=x]\mathbb{E}[Y | X = x] ist linear (womit ich affin meine) in xxx ? Das heißt, E[Y|X=x]=a+bxE[Y|X=x]=a+bx\mathbb{E}[Y \;|\; X = x] …

7 uniform joint-distribution conditional-expectation copula

2

Frage zur gemeinsamen Verteilung von Bernoulli-Zufallsvariablen unter der Bedingung, dass die Summe 1 sein muss

Ich habe ein Problem bei der Arbeit. Kann mir bitte jemand helfen, mir die gemeinsame Verteilung von Bernoulli-Zufallsvariablen zu geben, aber unter der Bedingung, dass die Summe dieser Zufallsvariablen muss .nnnnnn111 Kann mir jemand zeigen, wie ich diese Verteilung ableiten kann?

7 distributions joint-distribution bernoulli-distribution constraint

6

intuitiver Unterschied zwischen Gelenkwahrscheinlichkeit und bedingter Wahrscheinlichkeit in diesem Beispiel

Ich habe ein Tutorial über Randdichten gelesen, als ich auf dieses Beispiel stieß (umformuliert). Eine Person überquert die Straße und wir möchten die Wahrscheinlichkeit berechnen, wenn sie von einem vorbeifahrenden Auto angefahren wird, abhängig von der Farbe der Ampel. Sei H, ob die Person getroffen wird oder nicht, und L …

7 conditional-probability joint-distribution

1

Erwarteter Wert des Produkts nicht unabhängiger Bernoulli-Zufallsvariablen (Korrelationen sind bekannt)

Ich habe eine Frage zum Ermitteln der gemeinsamen Wahrscheinlichkeitsverteilung für Bernoulli-Zufallsvariablen gestellt, unter Berücksichtigung des erwarteten Werts für jede Variable ( und ihrer Korrelationen ( ). Jemand hat mich freundlicherweise auf dieses Papier verwiesen , und es war wirklich hilfreich, aber ich kann immer noch keinen letzten Punkt herausfinden:NNNE[Xi]=pi)E[Xi]=pi)E[X_i]=p_i)ρ12,ρ13,…ρ12,ρ13,…\rho_{12},\rho_{13},\dots Vorausgesetzt, …

7 correlation expected-value joint-distribution bernoulli-distribution

Als «joint-distribution» getaggte Fragen