Preguntas etiquetadas con random-variable

Una variable aleatoria o variable estocástica es un valor que está sujeto a variación aleatoria (es decir, aleatoriedad en un sentido matemático).

1
Transformación lineal de una variable aleatoria por una matriz rectangular alta
Digamos que tenemos un vector aleatorio , extraído de una distribución con función de densidad de probabilidad . Si lo transformamos linealmente por un rango completo matriz para obtener , entonces la densidad de viene dada porX⃗ ∈RnX→∈Rn\vec{X} \in \mathbb{R}^nfX⃗ (x⃗ )fX→(x→)f_\vec{X}(\vec{x})n×nn×nn \times nAAAY⃗ =AX⃗ Y→=AX→\vec{Y} = A\vec{X}Y⃗ Y→\vec{Y}fY⃗ (y⃗ …

2
pdf de un producto de dos variables aleatorias uniformes independientes
Sean ~ e ~ dos variables aleatorias independientes con las distribuciones dadas. ¿Cuál es la distribución de ?XXXU(0,2)U(0,2)U(0,2)YYYU(−10,10)U(−10,10)U(-10,10)V=XYV=XYV=XY He intentado convolución, sabiendo que h(v)=∫y=+∞y=−∞1yfY(y)fX(vy)dyh(v)=∫y=−∞y=+∞1yfY(y)fX(vy)dyh(v) = \int_{y=-\infty}^{y=+\infty}\frac{1}{y}f_Y(y) f_X\left (\frac{v}{y} \right ) dy También sabemos que , fY(y)=120fY(y)=120f_Y(y) = \frac{1}{20} h(v)=120∫y=10y=−101y⋅12dyh(v)=120∫y=−10y=101y⋅12dyh(v)= \frac{1}{20} \int_{y=-10}^{y=10} \frac{1}{y}\cdot \frac{1}{2}dy h(v)=140∫y=10y=−101ydyh(v)=140∫y=−10y=101ydyh(v)=\frac{1}{40}\int_{y=-10}^{y=10} \frac{1}{y}dy Algo me dice, hay algo …




3
Propiedades de una variable aleatoria discreta
Mi curso de estadísticas acaba de enseñarme que una variable aleatoria discreta tiene un número finito de opciones ... No me había dado cuenta de eso. Pensé que, como un conjunto de enteros, podría ser infinito. Buscar en Google y consultar varias páginas web, incluidas algunas de cursos universitarios, no …

2
Si
Estoy tratando de probar la afirmación: Si e Y ∼ N ( 0 , σ 2 2 ) son variables aleatorias independientes,X∼N(0,σ21)X∼N(0,σ12)X\sim\mathcal{N}(0,\sigma_1^2)Y∼N(0,σ22)Y∼N(0,σ22)Y\sim\mathcal{N}(0,\sigma_2^2) entonces también es una variable aleatoria normal.XYX2+Y2√XYX2+Y2\frac{XY}{\sqrt{X^2+Y^2}} Para el caso especial (digamos), tenemos el resultado bien conocido de que X Yσ1=σ2=σσ1=σ2=σ\sigma_1=\sigma_2=\sigmasiempre queXeYseanvariablesN(0,σ2)independientes. De hecho, se sabe más generalmente …





2
Varianza de dos variables aleatorias ponderadas
Dejar: Desviación estándar de la variable aleatoria A = σ1= 5A=σ1=5A =\sigma_{1}=5 Desviación estándar de la variable aleatoria B = σ2= 4B=σ2=4B=\sigma_{2}=4 Entonces la varianza de A + B es: Va r ( w1A + w2B ) = w21σ21+ w22σ22+ 2 w1w2pag1 , 2σ1σ2Var(w1A+w2B)=w12σ12+w22σ22+2w1w2p1,2σ1σ2Var(w_{1}A+w_{2}B)= w_{1}^{2}\sigma_{1}^{2}+w_{2}^{2}\sigma_{2}^{2} +2w_{1}w_{2}p_{1,2}\sigma_{1}\sigma_{2} Dónde: es la correlación …




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.