Preguntas etiquetadas con mgf

La función generadora de momentos (mgf) es una función real que permite derivar los momentos de una variable aleatoria y, por lo tanto, puede caracterizar su distribución completa. Úselo también para su logaritmo, la función de generación acumulativa.

3
¿Los CDF son más fundamentales que los PDF?
Mi profesor de estadísticas básicamente dijo que si se le da uno de los siguientes tres, puede encontrar los otros dos: Función de distribución acumulativa Función generadora de momentos Función de densidad de probabilidad Pero mi profesor de econometría dijo que los CDF son más fundamentales que los PDF porque …
43 probability  pdf  cdf  mgf 
2
Probabilidad de desigualdades
Estoy buscando algunas desigualdades de probabilidad para sumas de variables aleatorias ilimitadas. Realmente agradecería si alguien me puede dar algunos pensamientos. Mi problema es encontrar un límite superior exponencial sobre la probabilidad de que la suma de variables aleatorias iid ilimitadas, que de hecho son la multiplicación de dos iid …
1
Enlace entre la función generadora de momento y la función característica
Estoy tratando de entender el vínculo entre la función generadora de momento y la función característica. La función de generación de momento se define como: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Using the series expansion of exp(tX)=∑∞0(t)n⋅Xnn!exp⁡(tX)=∑0∞(t)n⋅Xnn!\exp(tX) = \sum_0^{\infty} …
1
Si las distribuciones con los mismos momentos son idénticas
Los siguientes son similares pero diferentes de las publicaciones anteriores aquí y aquí Dadas dos distribuciones que admiten momentos de todas las órdenes, si todos los momentos de dos distribuciones son iguales, ¿son distribuciones idénticas? Dadas dos distribuciones que admiten funciones generadoras de momentos, si tienen los mismos momentos, ¿son …
1
Distribución con
¿Hay alguna información que hay sobre la distribución cuyos nnn º cumulante está dada por 1n1n\frac 1 n ? La función de generación acumulativa tiene la forma κ(t)=∫10etx−1x dx.κ(t)=∫01etx−1x dx. \kappa(t) = \int_0 ^ 1 \frac{e^{tx} - 1}{x} \ dx. Lo he encontrado como la distribución limitante de algunas variables …
1
Encuadernado en el momento que genera la función
Esta pregunta surge de la que se hace aquí acerca de un límite en las funciones generadoras de momento (MGF). Supongamos que XXX es una variable aleatoria media cero limitada que toma valores en [−σ,σ][−σ,σ][-\sigma, \sigma] y deja que G(t)=E[etX]G(t)=E[etX]G(t) = E[e^{tX}] sea ​​su MGF. Desde un ligado utilizado en …
6
¿Existe alguna distribución univariada de la que no podamos tomar muestras?
Tenemos una gran variedad de métodos para la generación aleatoria a partir de distribuciones univariadas (transformación inversa, aceptar-rechazar, Metropolis-Hastings, etc.) y parece que podemos tomar muestras de literalmente cualquier distribución válida, ¿es eso cierto? ¿Podría proporcionar algún ejemplo de distribución univariada que sea imposible generar aleatoriamente? Creo que el ejemplo …
5
¿Cómo realizar la imputación de valores en una gran cantidad de puntos de datos?
Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.