Perguntas com a marcação «expected-value»

Para uma variável aleatória contínua XXX, E se E( | X| )E(|X|)E(|X|) é finito, é limn → ∞n P( | X| >n)=0limn→∞nP(|X|>n)=0 0\lim_{n\to\infty}n P(|X|>n)=0? Esse é um problema que encontrei na internet, mas não tenho certeza se é válido ou não. Eu sei disso n P( | X| >n)<E( | …

10 probability  expected-value  probability-inequalities 

Sejam X1,…,Xn∼U(0,1)X1,…,Xn∼U(0,1)X_1,\dots,X_n \sim U(0,1) independentes e variáveis ​​aleatórias uniformes padrão distribuídas de forma idêntica. Let Yn=∑inX2iI seek: E[Yn−−√]Let Yn=∑inXi2I seek: E[Yn]\text{Let }\quad Y_n=\sum_i^nX_i^2 \quad \quad \text{I seek: } \quad \mathbb{E}\big[\sqrt{Y_n } \big] A expectativa de YnYnY_n é fácil: E[X2]E[Yn]=∫10y2y√=13=E[∑inX2i]=∑inE[X2i]=n3E[X2]=∫01y2y=13E[Yn]=E[∑inXi2]=∑inE[Xi2]=n3\begin{align} \mathbb{E}\left[X^2\right] &=\int_0^1\frac{y}{2\sqrt{y}}=\frac{1}{3}\\ \mathbb{E}\left[Y_n\right] &=\mathbb{E}\left[\sum_i^nX_i^2\right] = \sum_i^n\mathbb{E}\left[X_i^2\right]=\frac{n}{3} \end{align} Agora, a parte chata. …

9 probability  expected-value  uniform  central-limit-theorem  mgf 

Deixe XiXEuX_i seja IID e X¯=∑ni=1XiX¯=∑Eu=1 1nXEu\bar{X} = \sum_{i=1}^{n} X_i . E[XiX¯]= ?E[XEuX¯]= ? E\left[\frac{X_i}{\bar{X}}\right] = \ ? Parece óbvio, mas estou tendo problemas para derivá-lo formalmente.

9 probability  random-variable  expected-value 

Suponha que seja fornecido. Posso derivar em um formato de formulário fechado? E [ log( X) ]E[registro⁡(X)]\text{E}[\log(X)] E [ X]E[X]\text{E}[X]

9 expected-value  logarithm 

Suponha que desejemos calcular alguma expectativa: EYEX| Y[ f( X, Y) ]EYEX|Y[f(X,Y)]E_YE_{X|Y}[f(X,Y)] Suponha que queremos aproximar isso usando a simulação de Monte Carlo. EYEX| Y[ f( X, Y) ] ≈ 1R S∑r = 1R∑s = 1Sf( xr , s, yr)EYEX|Y[f(X,Y)]≈1RS∑r=1R∑s=1Sf(xr,s,yr)E_YE_{X|Y}[f(X,Y)] \approx \frac1{RS}\sum_{r=1}^R\sum_{s=1}^Sf(x^{r,s},y^r) Mas suponhamos que é caro para extrair amostras …

9 optimization  conditional-probability  simulation  expected-value  monte-carlo 

Um dado de 6 lados é rolado iterativamente. Qual é o número esperado de jogadas necessárias para fazer uma soma maior ou igual a K? Antes da edição P(Sum>=1 in exactly 1 roll)=1 P(Sum>=2 in exactly 1 roll)=5/6 P(Sum>=2 in exactly 2 rolls)=1/6 P(Sum>=3 in exactly 1 roll)=5/6 P(Sum>=3 in …

9 self-study  mean  expected-value  dice  saddlepoint-approximation 

ATUALIZAÇÃO 25 de janeiro de 2014: o erro agora está corrigido. Ignore os valores calculados do Valor esperado na imagem carregada - eles estão errados. Não excluo a imagem porque ela gerou uma resposta a esta pergunta. ATUALIZAÇÃO 10 de janeiro de 2014: o erro foi encontrado - um erro …

9 normal-distribution  expected-value  order-statistics  minimum 

Se eu fosse definir as coordenadas e onde(X1,Y1)(X1,Y1)(X_{1},Y_{1})(X2,Y2)(X2,Y2)(X_{2},Y_{2}) X1,X2∼Unif(0,30) and Y1,Y2∼Unif(0,40).X1,X2∼Unif(0,30) and Y1,Y2∼Unif(0,40).X_{1},X_{2} \sim \text{Unif}(0,30)\text{ and }Y_{1},Y_{2} \sim \text{Unif}(0,40). Como eu encontraria o valor esperado da distância entre eles? Eu estava pensando, já que a distância é calculada por seria o valor esperado basta ser ?(X1−X2)2+(Y1−Y2)2−−−−−−−−−−−−−−−−−−−√)(X1−X2)2+(Y1−Y2)2)\sqrt{(X_{1}-X_{2})^{2} + (Y_{1}-Y_{2})^{2}})(1/30+1/30)2+(1/40+1/40)2(1/30+1/30)2+(1/40+1/40)2(1/30 + 1/30)^2 …

9 expected-value  uniform  distance 

Estou tentando mostrar que o momento central de uma distribuição simétrica: é zero para números ímpares. Então, por exemplo, o terceiro momento centralComecei tentando mostrar que {\ bf E [(Xu) ^ 3] = E [X ^ 3] -3uE [X ^ 2] + 3u ^ 2E [X] - u ^ 3}. …

9 mathematical-statistics  expected-value  moments 

Suponha que XXX seja não centralmente distribuído exponencialmente com a localização kkk taxa λλ\lambda . Então, o que é E(log(X))E(log⁡(X))E(\log(X)) . Eu sei que para k=0k=0k=0 , a resposta é −log(λ)−γ−log⁡(λ)−γ-\log(\lambda) - \gamma onde γγ\gamma é a constante de Euler-Mascheroni. E quando k>0k>0k > 0 ?

9 mean  expected-value  integral 

Os seguintes enxertos são retirados deste artigo . Eu sou novato no bootstrap e estou tentando implementar o bootstrap paramétrico, semiparamétrico e não paramétrico para o modelo misto linear com o R bootpacote. Código R Aqui está o meu Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Como o valor esperado de uma variável aleatória contínua se relaciona com sua média aritmética, mediana etc. em uma distribuição não normal (por exemplo, inclinação normal)? Estou interessado em quaisquer distribuições comuns / interessantes (por exemplo, log-normal, distribuições bi / multimodais simples, qualquer outra coisa estranha e maravilhosa). Estou procurando …

9 mean  expected-value  median 

Portanto, tenho 16 ensaios em que estou tentando autenticar uma pessoa de uma característica biométrica usando a Distância de Hamming. Meu limite está definido como 3,5. Meus dados estão abaixo e apenas o teste 1 é um verdadeiro positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

De acordo com a Lei da variância total, Var(X)=E(Var(X∣Y))+Var(E(X∣Y))Var⁡(X)=E⁡(Var⁡(X∣Y))+Var⁡(E⁡(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) Ao tentar provar isso, escrevo Var(X)=E(X−EX)2=E{E[(X−EX)2∣Y]}=E(Var(X∣Y))Var⁡(X)=E⁡(X−E⁡X)2=E⁡{E⁡[(X−E⁡X)2∣Y]}=E⁡(Var⁡(X∣Y)) \begin{equation} \begin{aligned} \operatorname{Var}(X) &= \operatorname{E}(X - \operatorname{E}X)^2 \\ &= \operatorname{E}\left\{\operatorname{E}\left[(X - \operatorname{E}X)^2\mid Y\right]\right\} \\ &= \operatorname{E}(\operatorname{Var}(X\mid Y)) \end{aligned} \end{equation} O que há de errado com isso?

9 variance  conditional-probability  expected-value  conditional-expectation  moments 

É sabido que, dada uma variável aleatória com valor real com pdf , a média de (se existir) é encontrada por XXXfffXXXE[X]=∫Rxf(x)dx.E[X]=∫Rxf(x)dx.\begin{equation} \mathbb{E}[X]=\int_{\mathbb{R}}x\,f(x)\,\mathrm{d}x\,. \end{equation} Pergunta geral: Agora, se alguém não pode resolver a integral acima em forma fechada, mas quer simplesmente determinar se a média existe e é finita, existe …

9 distributions  mathematical-statistics  expected-value