Jeśli są niezależnymi zmiennymi losowymi o identycznym rozkładzie, co ogólnie można powiedzieć o rozkładzie ?X1,...,XnX1,...,XnX_1, ..., X_nmin(X1,...,Xn)min(X1,...,Xn)\min(X_1, ...,
Wartości ekstremalne to największe lub najmniejsze obserwacje w próbce; np. minimum próbki (statystyka pierwszego rzędu) i maksimum próbki (statystyka n-tego rzędu). Z wartościami ekstremalnymi związane są asymptotyczne * rozkłady wartości ekstremalnych. *
Jeśli są niezależnymi zmiennymi losowymi o identycznym rozkładzie, co ogólnie można powiedzieć o rozkładzie ?X1,...,XnX1,...,XnX_1, ..., X_nmin(X1,...,Xn)min(X1,...,Xn)\min(X_1, ...,
Czytałem, że algorytm k-średnich jest zbieżny tylko z lokalnym minimum, a nie globalnym minimum. Dlaczego to? Mogę logicznie myśleć o tym, w jaki sposób inicjalizacja mogłaby wpłynąć na końcowe grupowanie i istnieje możliwość nieoptymalnego grupowania, ale nie znalazłem niczego, co matematycznie to...
Załóżmy, że iY ∼ N ( μ y , σ 2 y )X∼N(μx,σ2x)X∼N(μx,σx2)X \sim \mathcal{N}(\mu_x, \sigma^2_x)Y∼N(μy,σ2y)Y∼N(μy,σy2)Y \sim \mathcal{N}(\mu_y, \sigma^2_y) Interesuje mnie . Czy istnieje obiektywny estymator dla z ?z=min(μx,μy)z=min(μx,μy)z = \min(\mu_x, \mu_y)zzz Prosty estymator...
To jest mój pierwszy raz tutaj, więc proszę dać mi znać, czy mogę wyjaśnić moje pytanie w jakikolwiek sposób (w tym formatowanie, tagi itp.). (Mam nadzieję, że mogę później edytować!) Próbowałem znaleźć referencje i próbowałem rozwiązać siebie za pomocą indukcji, ale nie udało mi się obu. Próbuję...
Utknąłem, jak rozwiązać ten problem. Mamy więc dwie sekwencje zmiennych losowych, i dla . Teraz i są niezależnymi rozkładami wykładniczymi o parametrach i . Jednak zamiast obserwacji i , a nie obserwuje i
Załóżmy, że mam minimum, średnią i maksimum niektórych zbiorów danych, powiedzmy 10, 20 i 25. Czy istnieje sposób na: utworzyć dystrybucję na podstawie tych danych oraz wiedzieć, jaki procent populacji prawdopodobnie leży powyżej lub poniżej średniej Edytować: Zgodnie z sugestią Glen'a...
W R jest funkcja nlm (), która dokonuje minimalizacji funkcji f przy użyciu algorytmu Newtona-Raphsona. W szczególności funkcja ta generuje wartość kodu zmiennej zdefiniowanego następująco: zakoduj liczbę całkowitą wskazującą, dlaczego proces optymalizacji został zakończony. 1: gradient...
AKTUALIZACJA 25 stycznia 2014: błąd został teraz naprawiony. Zignoruj obliczone wartości oczekiwanej wartości w przesłanym obrazie - są one nieprawidłowe - nie usuwam obrazu, ponieważ wygenerował on odpowiedź na to pytanie. AKTUALIZACJA 10 stycznia 2014: znaleziono błąd - literówkę matematyczną...
Załóżmy następującą konfigurację: Niech Zi=min{ki,Xi},i=1,...,nZi=min{ki,Xi},i=1,...,nZ_i = \min\{k_i, X_i\}, i=1,...,n . Również Xi∼U[ai,bi],ai,bi>0Xi∼U[ai,bi],ai,bi>0X_i \sim U[a_i, b_i], \; a_i, b_i >0 . Ponadto ki=cai+(1−c)bi,0<c<1ki=cai+(1−c)bi,0<c<1k_i = ca_i +...
Załóżmy, że mam pozytywne parametry oszacować i odpowiadające im pakietów szacunki produkowane przez estymatorów , tj. , i tak dalej.nnnμ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_nnnnμ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}E[μ1^]=μ1E[μ1^]=μ1\mathrm...