Perguntas com a marcação «bernoulli-distribution»

A distribuição de Bernoulli é uma distribuição discreta parametrizada por uma única probabilidade de "sucesso". É um caso especial da distribuição binomial.






2
Como derivar a função de probabilidade para distribuição binomial para estimativa de parâmetros?
De acordo com Probability and Statistics for Engineers, de Miller e Freund, 8ed (pp.217-218), a função de probabilidade a ser maximizada para a distribuição binomial (ensaios de Bernoulli) é dada como L ( p ) = ∏ni = 1pxEu( 1 - p )1 - xEueu(p)=∏Eu=1npxEu(1-p)1-xEuL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} Como chegar a …



2
Distribuição amostral de duas populações independentes de Bernoulli
Vamos supor que temos amostras de duas variáveis ​​aleatórias independentes de Bernoulli, e .B e r ( θ 2 )B e r ( θ1)Ber(θ1)\mathrm{Ber}(\theta_1)B e r ( θ2)Ber(θ2)\mathrm{Ber}(\theta_2) Como provamos que ?( X¯1- X¯2) - ( θ1-θ2)θ1( 1 - θ1)n1+ θ2( 1 - θ2)n2--------------√→dN( 0 , 1 )(X¯1-X¯2)-(θ1-θ2)θ1(1-θ1)n1+θ2(1-θ2)n2→dN(0 0,1)\frac{(\bar X_1-\bar …

3
Estimando a probabilidade em um processo de Bernoulli por amostragem até 10 falhas: é tendenciosa?
Suponha que tenhamos um processo de Bernoulli com probabilidade de falha (que será pequena, digamos, ) a partir da qual coletamos amostras até encontrar falhas. Assim, estimamos a probabilidade de falha como que N é o número de amostras.qqqq≤0.01q≤0.01q \leq 0.01101010q^:=10/Nq^:=10/N\hat{q}:=10/NNNN Pergunta : q^q^\hat{q} uma estimativa parcial de qqq ? …


2
Relação entre os coeficientes de correlação phi, Matthews e Pearson
Os coeficientes de correlação phi e Matthews são o mesmo conceito? Como eles estão relacionados ou equivalentes ao coeficiente de correlação de Pearson para duas variáveis ​​binárias? Presumo que os valores binários sejam 0 e 1. A correlação de Pearson entre duas variáveis aleatórias de Bernoulli e y é:xxxyyy ρ=E[(x−E[x])(y−E[y])]Var[x]Var[y]−−−−−−−−−−√=E[xy]−E[x]E[y]Var[x]Var[y]−−−−−−−−−−√=n11n−n1∙n∙1n0∙n1∙n∙0n∙1−−−−−−−−−−√ρ=E[(x−E[x])(y−E[y])]Var[x]Var[y]=E[xy]−E[x]E[y]Var[x]Var[y]=n11n−n1∙n∙1n0∙n1∙n∙0n∙1 …




Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.