Preguntas etiquetadas con moments

Los momentos son resúmenes de las características de las variables aleatorias (por ejemplo, ubicación, escala). Úselo también para momentos fraccionarios.

1
Referencias: Cola del cdf inverso
Estoy casi seguro de que ya he visto el siguiente resultado en las estadísticas, pero no puedo recordar dónde. Si es una variable aleatoria positiva y entonces cuando , donde es el cdf de .XXXE(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\inftyεF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to 0ε→0+ε→0+\varepsilon\to 0^+FFFXXX Esto es fácil de ver geométricamente usando la igualdad y considerando …
1
¿Funciones generadoras de momentos y transformadas de Fourier?
¿Es una función generadora de momento una transformada de Fourier de una función de densidad de probabilidad? En otras palabras, ¿es una función generadora de momentos solo la resolución espectral de una distribución de densidad de probabilidad de una variable aleatoria, es decir, una forma equivalente de caracterizar una función …
10 moments  mgf  cumulants 
1
R regresión lineal variable categórica valor "oculto"
Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
1
Generar variables aleatorias con momentos dados
Sé los primeros momentos de alguna distribución. También sé que mi distribución es continua, unimodal y bien formada (parece una distribución gamma). Es posible que:norteNN Usando algún algoritmo, genere muestras a partir de esta distribución, que en condiciones límite tendrá exactamente los mismos momentos. ¿Resolver este problema analíticamente? Entiendo que …
1
¿Cuáles son la media y la varianza de una normal multivariada censurada por 0?
Deje que esté en . ¿Cuáles son la media y la matriz de covarianza de (con el máximo calculado por elemento)?Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma)RdRd\mathbb R^dZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) Esto surge, por ejemplo, porque, si usamos la función de activación ReLU dentro de una red profunda, y asumimos a través …
1
Función generadora de momentos del producto interno de dos vectores aleatorios gaussianos
¿Alguien puede sugerir cómo puedo calcular la función generadora de momentos del producto interno de dos vectores aleatorios gaussianos, cada uno distribuido como , independientes el uno del otro? ¿Hay algún resultado estándar disponible para esto? Cualquier puntero es muy apreciado.N(0,σ2)norte(0 0,σ2)\mathcal N(0,\sigma^2)
3
¿Qué tiene de malo mi prueba de la Ley de la varianza total?
De acuerdo con la Ley de Variación Total, Var(X)=E(Var(X∣Y))+Var(E(X∣Y))Var⁡(X)=E⁡(Var⁡(X∣Y))+Var⁡(E⁡(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) Cuando trato de demostrarlo, escribo Var(X)=E(X−EX)2=E{E[(X−EX)2∣Y]}=E(Var(X∣Y))Var⁡(X)=E⁡(X−E⁡X)2=E⁡{E⁡[(X−E⁡X)2∣Y]}=E⁡(Var⁡(X∣Y)) \begin{equation} \begin{aligned} \operatorname{Var}(X) &= \operatorname{E}(X - \operatorname{E}X)^2 \\ &= \operatorname{E}\left\{\operatorname{E}\left[(X - \operatorname{E}X)^2\mid Y\right]\right\} \\ &= \operatorname{E}(\operatorname{Var}(X\mid Y)) \end{aligned} \end{equation} ¿Qué tiene de malo?
2
Momento finito para un vector aleatorio
Si donde el soporte de es . Entonces, . Luego, supongo que tiene momentos finitos. Cuando , sé que porque los medios de donde es la densidad asociada de . ¿Cuál es el equivalente matemático de suponer que tiene momentos finitos cuando ?X∼FX∼FX \sim FXXXRpRp\mathbb{R}^pX=(X1,X2,…,Xp)X=(X1,X2,…,Xp)X = (X_1, X_2, \dots, X_p)XXXkkkp=1p=1p …
2
Dejar
Ahora mismo estoy aprendiendo sobre teoría de modelos lineales, y una cosa que me sorprende es que, aunque E[Y]E[Y]\mathbb{E}[\mathbf{Y}] se define para un vector aleatorio Y=⎡⎣⎢⎢⎢⎢y1y2⋮yn⎤⎦⎥⎥⎥⎥Y=[y1y2⋮yn]\mathbf{Y} = \begin{bmatrix} y_1 \\ y_2 \\ \vdots \\ y_n\end{bmatrix}, no se mencionan más momentos además de la matriz de covarianza. La búsqueda en Google …
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.