Preguntas etiquetadas con probability

Una probabilidad proporciona una descripción cuantitativa de la ocurrencia probable de un evento particular.


5
Por qué rechazamos la hipótesis nula en el nivel 0.05 y no en el nivel 0.5 (como lo hacemos en la Clasificación)
La prueba de hipótesis es similar a un problema de clasificación. Entonces, digamos, tenemos 2 posibles etiquetas para una observación (sujeto) - Culpable vs. No culpable. Que no culpable sea la hipótesis nula. Si viéramos el problema desde el punto de vista de la Clasificación, entrenaríamos un Clasificador que predeciría …



3
Buenos libros para aprender Probabilidad Aplicada?
Estoy buscando un libro que brinde una cobertura profunda y rigurosa de la teoría de la probabilidad, pero con énfasis en el material que es más útil fuera del departamento de matemáticas. Escuché que "La teoría de la probabilidad: exploraciones y aplicaciones" es bastante buena, pero quería obtener algunas otras …

3
Otra pregunta más sobre el teorema del límite central
Sea una secuencia de variables aleatorias independientes de Bernoulli con Establezca Demuestre que converge en distribución a la variable normal estándar ya que tiende al infinito.{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}P{Xk=1}=1−P{Xk=0}=1k.P{Xk=1}=1−P{Xk=0}=1k.P\{X_k=1\}=1-P\{X_k=0\}=\frac{1}{k}.Sn=∑k=1n(Xk−1k), B2n=∑k=1nk−1k2Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2S_n=\sum^{n}_{k=1}\left(X_k-\frac{1}{k}\right), \ B_n^2=\sum^{n}_{k=1}\frac{k-1}{k^2}SnBnSnBn\frac{S_n}{B_n}ZZZnnn Mi intento es usar el CLT de Lyapunov, por lo tanto, debemos mostrar que existe un tal que, δ>0δ>0\delta>0limn→∞1B2+δn∑k=1nE[|Xk−1k|2+δ]=0.limn→∞1Bn2+δ∑k=1nE[|Xk−1k|2+δ]=0.\lim_{n\rightarrow \infty}\frac{1}{B_n^{2+\delta}}\sum_{k=1}^{n}E[|X_k-\frac{1}{k}|^{2+\delta}]=0. …


3
Visualice la distribución binomial bivariada
Pregunta: ¿cómo se ve una distribución binomial bivariada en el espacio tridimensional? A continuación se muestra la función específica que me gustaría visualizar para varios valores de los parámetros; a saber, , y .p 1 p 2nortennpag1p1p_{1}pag2p2p_{2} F( x1, x2) = n !X1! X2!pagX11pagX22,X1+ x2= n ,pag1+ p2= 1.f(x1,x2)=n!x1!x2!p1x1p2x2,x1+x2=n,p1+p2=1.f(x_{1},x_{2}) = …



1
¿Cuántas distribuciones hay en el GLM?
Identifiqué varios lugares en los libros de texto donde el GLM se describe con 5 distribuciones (a saber, gamma, gaussiano, binomial, gaussiano inverso y Poisson). Esto también se ejemplifica en la función familiar en R. Ocasionalmente me encuentro con referencias al GLM donde se incluyen distribuciones adicionales ( ejemplo ). …

1
Convexidad de la función de PDF y CDF de la variable aleatoria normal estándar
Proporcione pruebas de que es convexo . Aquí, y son los PDF y CDF normales estándar, respectivamente.Q(x)=x2+xϕ(x)Φ(x)Q(x)=x2+xϕ(x)Φ(x)Q\left(x\right)=x^{2}+x\frac{\phi\left(x\right)}{\Phi\left(x\right)}∀x>0∀x>0\forall x>0 ϕϕ\phiΦΦ\mathbf{\Phi} PASOS INTENTADOS 1) MÉTODO DE CÁLCULO He probado el método de cálculo y tengo una fórmula para la segunda derivada, pero no puedo demostrar que sea positiva . Avíseme si necesita …



1
Modelado bayesiano usando normal multivariante con covariable
Suponga que tiene una variable explicativa donde representa una coordenada dada. También tiene una variable de respuesta . Ahora, podemos combinar ambas variables como:X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right)sssY=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) En este caso, simplemente elegimos μ(s)=(μ1μ2)Tμ(s)=(μ1μ2)T\boldsymbol{\mu}(s) = \left( \mu_{1} \; \; …

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.