Preguntas etiquetadas con probability

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

3
¿Cómo puedo calcular ?
Supongamos que es una muestra aleatoria de una función de distribución continua . Deje que sea ​​independiente de los 's. ¿Cómo puedo calcular ?Y1,…,Yn+1Y1,…,Yn+1Y_1,\dots,Y_{n+1}FFFX∼Uniform{1,…,n}X∼Uniform{1,…,n}X\sim\mathrm{Uniform}\{1,\dots,n\}YiYiY_iE[∑Xi=1I{Yi≤Yn+1}]E[∑i=1XI{Yi≤Yn+1}]\mathrm{E}\!\left[\sum _{i=1}^X I_{\{Y_i\leq Y_{n+1}\}}\right]
1
Expectativa condicional de una derivación de RV truncada, distribución de gumbel (diferencia logística)
Tengo dos variables aleatorias que son independientes e idénticamente distribuidas, es decir, :ϵ1,ϵ0∼iidGumbel(μ,β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta) F(ϵ)=exp(−exp(−ϵ−μβ)),F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f(ϵ)=1βexp(−(ϵ−μβ+exp(−ϵ−μβ))).f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = \dfrac{1}{\beta}\exp(-\left(\frac{\epsilon-\mu}{\beta}+\exp(-\frac{\epsilon-\mu}{\beta})\right)). Estoy tratando de calcular dos cantidades: Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[c+\epsilon_{1}|c+\epsilon_{1}>\epsilon_{0}\right] Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[\epsilon_{0}|c+\epsilon_{1}<\epsilon_{0}\right] Llego a un punto en el que necesito hacer integración en algo de la forma: , que parece no tener …
2
¿Qué es la convergencia de Epsilon en probabilidad?
Entiendo que la fórmula para la probabilidad de convergencia es y puedo resolver problemas usando la fórmula. ¿Alguien puede explicarlo intuitivamente (como si tuviera cinco años), particularmente en lo que respecta a ?P[|Xn−X∞|&gt;ϵ]→0P[|Xn−X∞|&gt;ϵ]→0P[|X_n − X_\infty| \gt \epsilon ]\to 0ϵϵ\epsilon
1
Muestra esa
Deje y independientes. Muestre que tienen una distribución normal y encuentre los parámetros de esta distribución.Y1∼SN(μ1,σ21,λ)Y1∼SN(μ1,σ12,λ)Y_1\sim SN(\mu_1,\sigma_1^2,\lambda)Y2∼N(μ2,σ22)Y2∼N(μ2,σ22)Y_2\sim N(\mu_2,\sigma_2^2)Y1+Y2Y1+Y2Y_1+Y_2 Como las variables aleatorias son independientes, traté de usar convolución. DejeZ=Y1+Y2Z=Y1+Y2Z=Y_1+Y_2 fZ(z)=∫∞−∞2ϕ(y1|μ1,σ1)Φ(λ(y1−μ1σ1))ϕ(z−y1|μ2,σ22)dy1fZ(z)=∫−∞∞2ϕ(y1|μ1,σ1)Φ(λ(y1−μ1σ1))ϕ(z−y1|μ2,σ22)dy1f_Z(z)=\int_{-\infty}^{\infty}2\phi(y_1|\mu_1,\sigma_1)\Phi\Big(\lambda(\frac{y_1-\mu_1}{\sigma_1})\Big)\phi(z-y_1|\mu_2,\sigma_2^2)\,\text{d}y_1 Aquí y son los estándares normales pdf y cdf, respectivamente.ϕ()ϕ()\phi()Φ()Φ()\Phi() FZ( z) =∫∞- ∞212 πσ1----√12 πσ2----√e x p ( -12σ21(y1- …
1
Cálculo de la expectativa condicional en
Realmente no he visto ningún libro de probabilidad que calcule las expectativas condicionales, excepto σσ\sigma-Álgebras generadas por una variable aleatoria discreta. Simplemente declaran la existencia de expectativa condicional, junto con sus propiedades, y lo dejan así. Me parece un poco molesto y estoy tratando de encontrar un método para calcularlo. …
3
Cómo realizar SVD para imputar valores perdidos, un ejemplo concreto
He leído los excelentes comentarios sobre cómo lidiar con los valores perdidos antes de aplicar SVD, pero me gustaría saber cómo funciona con un ejemplo simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada la matriz anterior, …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
1
Distribución de un polinomio de segundo grado de una variable aleatoria gaussiana
Me gustaría calcular P(Y=aX2+bX+c&lt;0)P(Y=aX2+bX+c&lt;0)P(Y=aX^2+bX+c<0) donde . Puedo hacerlo con bastante facilidad usando Monte Carlo. Sin embargo, me han pedido que encuentre el pdf analítico de y luego calculeX∼N(0,σ)X∼N(0,σ)X \sim N(0,\sigma)fY(y)fY(y)f_Y(y)YYY I=∫0−∞fY(y)dyI=∫−∞0fY(y)dyI=\int_{-\infty}^0 f_Y(y) dy Supongo será tal que sólo puedo ser calculado numéricamente. Sin embargo, dado que es una integral univariante, …
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.