Die Wahrscheinlichkeitsdichtefunktion (PDF) einer kontinuierlichen Zufallsvariablen gibt die relative Wahrscheinlichkeit für jeden ihrer möglichen Werte an. Verwenden Sie dieses Tag auch für diskrete Wahrscheinlichkeitsmassenfunktionen (PMFs).
Ich bin in der infoGAN-Zeitung auf ein Lemma gestoßen . Ich verstehe die Ableitung von Lemma 5.1 im Nachtrag des Papiers nicht. Es geht wie folgt (als png enthalten): Ich verstehe den letzten Schritt nicht. Warum kann man in das innerste Integral ziehen und es in umwandeln ? Was sind …
Ich möchte berechnen P(Y=aX2+bX+c<0)P(Y=aX2+bX+c<0)P(Y=aX^2+bX+c<0) wobei . Ich kann es ganz einfach mit Monte Carlo machen. Ich wurde jedoch gebeten, das analytische PDF von und dann zu berechnenf Y ( y ) Y.X∼N(0,σ)X∼N(0,σ)X \sim N(0,\sigma)fY(y)fY(y)f_Y(y)YYY I=∫0−∞fY(y)dyI=∫−∞0fY(y)dyI=\int_{-\infty}^0 f_Y(y) dy Ich denke, wird so sein, dass nur numerisch berechnet werden kann. Da es …
Dies ist eine direkte Fortsetzung meiner jüngsten Frage . ich eigentlich bekommen möchte, ist die Verteilung von , wobei in einheitlich sind . Nun wurde die Verteilung von im erwähnten Thread erfolgreich berechnet , und nennen wir es . Die Verteilung von ist einfach . Der letzte Schritt wäre, die …
Ich weiß, dass das PDF die erste Ableitung der CDF für eine kontinuierliche Zufallsvariable und die Differenz für eine diskrete Zufallsvariable ist. Ich würde jedoch gerne wissen, warum dies so ist, warum es zwei verschiedene Fälle für diskret und kontinuierlich gibt.
Angenommen, ich habe unabhängige normale Zufallsvariablennnn X.1∼ N ( μ1, σ21)X.2∼ N ( μ2, σ22)⋮X.n∼ N ( μn, σ2n)X1∼N(μ1,σ12)X2∼N(μ2,σ22)⋮Xn∼N(μn,σn2)X_1 \sim \mathrm{N}(\mu_1, \sigma_1^2)\\X_2 \sim \mathrm{N}(\mu_2, \sigma_2^2)\\\vdots\\X_n \sim \mathrm{N}(\mu_n, \sigma_n^2) und . Wie würde ich die Dichte von charakterisieren, wenn die Verteilung jedes jeweils auf das abgeschnitten wäre ? Mit anderen Worten, …
Die allgemeine Version: Ich muss schätzen, wobei und stetig und multivariat sind. Ich mache es lieber nichtparametrisch, weil ich keine gute funktionale Form im Sinn habe und so etwas wie unvoreingenommen sein muss. Ich wollte einen bedingten Kernel-Dichteschätzer verwenden, aber mir wurde klar, dass ich zuerst quantisieren musste . Dann …
Der Versuch zu beweisen, dass dies nicht zur exponentiellen Familie gehört. f(y|a)=4(y+a)(1+4a);0<y<1,a>0f(y|a)=4(y+a)(1+4a);0<y<1,a>0f(y|a)=4\frac{(y+a)}{(1+4a)} ; 0 < y < 1 , a>0 Hier ist mein Ansatz: f(y|a)=4(y+a)e−log(1+4a)f(y|a)=4(y+a)e−log(1+4a)f(y|a) = 4(y+a)e^{-log(1+4a)} f(y|a)=(4y)(1+ay)e−log(1+4a)f(y|a)=(4y)(1+ay)e−log(1+4a)f(y|a) = (4y)(1+\frac{a}{y})e^{-log(1+4a)} Wenn man es mit der Standardform vergleicht, kann und die nur eine Funktion von , nicht als allein definiert werden, …
Ich muss die Dirichlet-CDF berechnen , kann aber nur Implementierungen des PDF finden . Kennt ihr eine Bibliothek (vorzugsweise in R), die sie implementiert?
Ich führe eine Simulation auf einem linearen Modell aus. Ich erhalte 1000 Ergebnisse und die Ergebnisse werden in ein Dichtediagramm eingetragen. Ich verstehe, dass die x-Achse die abhängige Variable ist und die y-Achse die Kerneldichte darstellt. Yaxis ist in Dezimalzahlen von 0 bis 0,15. Wie erkläre ich das den anderen …
Ich versuche, eine inverse Gammaverteilung mit drei Parametern an meine Daten in R oder Python anzupassen. Ich möchte dies mit der Maximum Likelihood Estimation (MLE) tun. Das PDF des inversen Gammas mit drei Parametern ist gegeben durch: Wobei Γ die Gammafunktion ist, ρ die Form ist, α die Skala ist …
Ich habe einige Daten, die links deutlich abgeschnitten sind. Ich möchte es mit einer Dichteschätzung ausstatten, die es irgendwie handhabt, anstatt zu versuchen, es zu glätten. Welche bekannten Methoden (wie in R üblich) können dies beheben? Beispielcode: set.seed(1341) x <- c(runif(30, 0, 0.01), rnorm(100,3)) hist(x, br = 10, freq = …
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] …
Ich habe eine Zustandsmaschine mit positiven und negativen Eingängen. Die Zeit zwischen positiven Eingaben folgt einer Gammaverteilung (X+∼Γ(k+,θ+)X+∼Γ(k+,θ+)X_+ \sim \Gamma(k_+, \theta_+)) und die Zeit zwischen negativen Eingaben folgt einer anderen Gammaverteilung (X−∼Γ(k−,θ−)X−∼Γ(k−,θ−)X_- \sim \Gamma(k_-, \theta_-)). Daher die EmpfangswahrscheinlichkeitenKKK positive und negative Eingaben über einen bestimmten Zeitraum sind für alle genau …
Im Internet habe ich vereinzelte Hinweise auf die Idee gesehen, eine Zielfunktion neu zu skalieren und diese als PDF zum Zwecke der Optimierung zu verwenden. (Auf dieser Website zum Beispiel: Werden Optimierungstechniken Stichprobenverfahren zugeordnet? ) Kann mich jemand auf einen Ort verweisen, an dem ich mehr über diese Methode erfahren …
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.