Als «stable-distribution» getaggte Fragen

Stabile Verteilungen sind unter Windungen unveränderlich. Welche Unterfamilien der stabilen Verteilungen werden ebenfalls unter Multiplikation geschlossen? In dem Sinne, dass wenn und , dann die Produktwahrscheinlichkeitsdichtefunktion, (bis zu einer Normalisierungskonstante) auch zu ?FFFf∈Ff∈Ff\in Fg∈Fg∈Fg\in F f⋅gf⋅gf \cdot gFFF Hinweis: Ich habe den Inhalt dieser Frage erheblich geändert. Aber die Idee …

10 distributions  convolution  stable-distribution 

Die folgenden Transplantate stammen aus diesem Artikel . Ich bin ein Neuling im Bootstrap und versuche, das parametrische, semiparametrische und nichtparametrische Bootstrapping-Bootstrapping für ein lineares gemischtes Modell mit R bootPaket zu implementieren. R-Code Hier ist mein RCode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Positive stabile Verteilungen werden durch vier Parameter beschrieben: den Skewness-Parameter , den Skalenparameter σ > 0 , den Ortsparameter μ ∈ ( - ∞ , ∞ ) und den sogenannten Indexparameter . Wenn Null ist, ist die Verteilung um symmetrisch , wenn es positiv (bzw. negativ) ist, ist die Verteilung …

9 r  stable-distribution 

Die Brownsche Bewegung wird als Grenze der Summe der Gaußschen Inkremente konstruiert. Kann man stattdessen eine nicht-Gaußsche stabile Verteilung (z. B. die Cauchy-Verteilung) verwenden und trotzdem einen Prozess konstruieren? Würde sich der Skalierungsparameter eines solchen Prozesses gemäß der Formel ?αα\alphact=t1/αct=t1/αc_t = t^{1/\alpha}

8 stochastic-processes  brownian  stable-distribution 

Eine der angeblichen Anwendungen von L-Schätzern ist die Fähigkeit, die Parameter einer Zufallsvariablen, die aus einer bestimmten Klasse gezogen wird, "robust" zu schätzen. Einer der Nachteile der Verwendung von Levy stabilen Verteilungenαα\alpha besteht darin, dass es schwierig ist, die Parameter anhand einer Stichprobe von Beobachtungen aus der Klasse abzuschätzen. Hat …

8 distributions  estimation  robust  parametric  stable-distribution 

Lassen Sie eine Student-t-Verteilung haben, so dass XXXfX(x|ν,μ,β)=Γ(ν+12)Γ(ν2)πν−−√β(1+1ν(x−μβ)2)−1+ν2fX(x|ν,μ,β)=Γ(ν+12)Γ(ν2)πνβ(1+1ν(x−μβ)2)−1+ν2\begin{align*} f_X(x|\nu ,\mu ,\beta) = \frac{\Gamma (\frac{\nu+1}{2})}{\Gamma (\frac{\nu}{2}) \sqrt{\pi \nu} \beta} \left(1+\frac{1}{\nu}\left(\frac{x - \mu}{\beta}\right)^2 \right)^{\text{$-\frac{1+\nu}{2}$}} \end{align*} Ich weiß, dass Student-t-Verteilungen ein Potenzgesetz im Schwanz zeigen. Ich weiß auch, dass Lévy stabile Verteilungen (zB mit folgender charakteristischer Funktion: ϕ(t|α,β,c,μ)=exp[itμ−|ct|α(1−iβsgn(t)Φ)]ϕ(t|α,β,c,μ)=exp[itμ−|ct|α(1−iβsgn(t)Φ)]\begin{align*} \phi(t|\alpha ,\beta, c ,\mu) = …

7 distributions  t-distribution  kurtosis  fat-tails  stable-distribution 

Die Pearson-Korrelation wird über Varianz und Kovarianz definiert und funktioniert daher nicht, wenn sie auf stabile Verteilungen mit angewendet wird . Gibt es eine Möglichkeit, den Begriff der Korrelation mit solchen Verteilungen zu verallgemeinern, z. B. durch irgendeine Form der Renormierung?αα\alphaα≠2α≠2\alpha \neq 2 Beispiel: ρgeneralised(X,Y):=limk→∞ρ(Xk,Yk)ρgeneralised(X,Y):=limk→∞ρ(Xk,Yk) \rho_{generalised}(X, Y) := \lim_{k \to …

7 correlation  quantiles  stable-distribution