Als «random-variable» getaggte Fragen

Eine Zufallsvariable oder stochastische Variable ist ein Wert, der einer zufälligen Variation unterliegt (dh Zufälligkeit im mathematischen Sinne).

1
Erwarteter Wert von iid-Zufallsvariablen
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) …

1
Beweisen / widerlegen Sie
Beweisen / widerlegen Sie E[1A|Ft]=0 or 1 a.s. ⇒E[1A|Fs]=E[1A|Ft] a.s.E[1A|Ft]=0 or 1 a.s. ⇒E[1A|Fs]=E[1A|Ft] a.s.E[1_A | \mathscr{F_t}] = 0 \ \text{or} \ 1 \ \text{a.s.} \ \Rightarrow E[1_A | \mathscr{F_{s}}] = E[1_A | \mathscr{F_t}] \ \text{a.s.} Bei einem gefilterten Wahrscheinlichkeitsraum (Ω,F,{Fn}n∈N,P)(Ω,F,{Fn}n∈N,P)(\Omega, \mathscr{F}, \{\mathscr{F}_n\}_{n \in \mathbb{N}}, \mathbb{P}) , lassen A∈FA∈FA \in …


1
Wie kann man eine marginale Verteilung aus einer gemeinsamen Verteilung mit einer Abhängigkeit von mehreren Variablen finden?
Eines der Probleme in meinem Lehrbuch ist wie folgt. Ein zweidimensionaler stochastischer kontinuierlicher Vektor hat die folgende Dichtefunktion: fX., Y.( x , y) = { 15 x y20wenn 0 <x <1 und 0 <y <xAndernfallsfX,Y(x,y)={15xy2if 0 < x < 1 and 0 < y < x0otherwise f_{X,Y}(x,y)= \begin{cases} 15xy^2 & …

3
Welche Verbindung besteht zwischen Methoden wie Matching und statistischer Kontrolle von Variablen?
Oft lesen Sie in Forschungsartikeln, die die Forscher für bestimmte Variablen kontrolliert haben. Dies kann durch Methoden wie Matching, Blocking usw. erfolgen. Aber ich habe immer gedacht, dass die Kontrolle von Variablen statistisch durchgeführt wird, indem mehrere Variablen gemessen werden, die Einfluss haben könnten, und statistische Analysen dieser Variablen durchgeführt …

1
Verteilung der Differenz zweier unabhängiger einheitlicher Variablen, abgeschnitten bei 0
Sei und zwei unabhängige Zufallsvariablen mit der gleichen Gleichverteilung mit DichteXXXYYYU(0,1)U(0,1)U(0,1) f(x)=1f(x)=1f(x)=1 wenn (und anderer Stelle).0≤x≤10≤x≤10≤x≤1000 Sei eine echte Zufallsvariable, definiert durch:ZZZ Z=X−YZ=X−YZ=X-Y wenn (und anderswo ).X>YX>YX>Y000 Leiten Sie die Verteilung von .ZZZ Berechnen Sie die Erwartung und die Varianz .E(Z)E(Z)E(Z)V(Z)V(Z)V(Z)

2
Wahrscheinlichkeit von
Angenommen, und sind unabhängige geometrische Zufallsvariablen mit dem Parameter . Wie ist die Wahrscheinlichkeit, dass ?X1X1X_1X2X2X_2pppX1≥X2X1≥X2X_1 \geq X_2 Ich bin verwirrt über diese Frage, weil uns nichts anderes über und gesagt wird, als dass sie geometrisch sind. Wäre das nicht weil und alles im Bereich sein können?X1X1X_1X2X2X_250%50%50\%X1X1X_1X2X2X_2 EDIT: Neuer Versuch …

2
Einheitliches PDF der Differenz von zwei rv
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) …


2
Zeige
Wenn , finden Sie die Verteilung von Y = 2 X.X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1) .Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2} Wir haben FY(y)=Pr(Y≤y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) =Pr(2X1−X2≤y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪Pr(X∈(−∞,−1−1+y2√y])+Pr(X∈(−1,−1+1+y2√y]),ify&gt;0Pr(X∈(−1,−1+1+y2√y])+Pr(X∈(1,−1−1+y2√y]),ify&lt;0={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify&gt;0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify&lt;0\qquad\qquad=\begin{cases} \mathrm{Pr}\left(X\in\left(-\infty,\frac{-1-\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y>0\\ \mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(1,\frac{-1-\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y<0 \end{cases} Ich frage mich, ob die obige Fallunterscheidung richtig ist oder nicht. Auf der anderen Seite scheint das Folgende eine einfachere Methode zu sein: Wir können …

1
Ist
Ist impliziert die Unabhängigkeit von X und Y ?C o v ( f( X.) , Y.) = 0∀f( . )C.Öv(f(X.),Y.)=0∀f(.)\mathbb{Cov} \left(f(X),Y\right) = 0 \; \forall \; f(.)X.X.XY.Y.Y Ich bin nur mit der folgenden Definition der Unabhängigkeit zwischen bekannt und Y .X.X.XY.Y.Y fx,y(x,y)=fx(x)fy(y)fx,y(x,y)=fx(x)fy(y) f_{x,y}(x,y) = f_x(x)f_y(y)



2
Wie ist die Wahrscheinlichkeitsverteilung dieser zufälligen Summe nicht-iider Bernoulli-Variablen?
Ich versuche, die Wahrscheinlichkeitsverteilung einer Summe einer zufälligen Anzahl von Variablen zu finden, die nicht identisch verteilt sind. Hier ist ein Beispiel: John arbeitet in einem Kundendienst-Callcenter. Er erhält Anrufe mit Problemen und versucht diese zu lösen. Diejenigen, die er nicht lösen kann, leitet er an seinen Vorgesetzten weiter. Nehmen …

2
Zufallsvariablen, für die Markov- und Chebyshev-Ungleichungen eng sind
Ich bin daran interessiert, Zufallsvariablen zu konstruieren, für die Markov- oder Chebyshev-Ungleichungen eng sind. Ein triviales Beispiel ist die folgende Zufallsvariable. P(X=1)=P(X=−1)=0.5P(X=1)=P(X=−1)=0.5P(X=1)=P(X=-1) = 0.5 . Sein Mittelwert ist Null, die Varianz ist 1 und . Für diese Zufallsvariable ist chebyshev eng (gilt mit Gleichheit).P(|X|≥1)=1P(|X|≥1)=1P(|X| \ge 1) = 1 P(|X|≥1)≤Var(X)12=1P(|X|≥1)≤Var(X)12=1P(|X|\ge 1) …

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.