Perguntas com a marcação «expected-value»

XXX é uma variável aleatória discreta que pode assumir valores de (0,1)(0,1)(0,1) . Como φ(x)=1/xφ(x)=1/x\varphi(x)=1/x é uma função convexa, podemos usar a desigualdade de Jensen para derivar um limite inferior : E[11−X]≥11−E[X]=11−aE[11−X]≥11−E[X]=11−a E\left[\frac{1}{1-X}\right]\ge \frac{1}{1-E[X]}=\frac{1}{1-a} É possível derivar um limite superior ?

8 probability  expected-value  bounds 

Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Christopher Bishop define o valor esperado da função de probabilidade do log de dados completos (ou seja, assumindo que recebemos os dados observáveis ​​X e os dados latentes Z) da seguinte maneira: EZ[lnp(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){lnπk+lnN(xn∣ μk,Σk)}(1)(1)EZ[ln⁡p(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){ln⁡πk+ln⁡N(xn∣ μk,Σk)} \mathbb{E}_\textbf{Z}[\ln p(\textbf{X},\textbf{Z} \mid \boldsymbol{\mu}, \boldsymbol{\Sigma}, \boldsymbol{\pi})] = \sum_{n=1}^N \sum_{k=1}^K \gamma(z_{nk})\{\ln \pi_k + \ln \mathcal{N}(\textbf{x}_n \mid …

8 self-study  maximum-likelihood  expected-value  convergence  expectation-maximization 

Esta pergunta está iniciando na seguinte pergunta. /math/360275/e1-1x2-under-a-normal-distribution Basicamente, o que é sob um gaussiano . Tentei reescrever como uma mistura escalar de gaussianos ( ). Isso também parou, a menos que vocês tenham um truque.N(μ,σ2)1E(11+x2)E(11+x2)E\left(\frac{1}{1+x^2}\right)N(μ,σ2)N(μ,σ2)\mathcal{N}(\mu,\sigma^2) ct∫N(x|0,τ-1)Lum(τ|1/2,1/2)dτ11+x211+x2\frac{1}{1+x^2}∝∫N(x|0,τ−1)Ga(τ|1/2,1/2)dτ∝∫N(x|0,τ−1)Ga(τ|1/2,1/2)dτ\propto \int\mathcal{N}(x|0,\tau^{-1})Ga(\tau|1/2,1/2)d\tau Se essa integral não é analítica, há limites sensíveis?

8 normal-distribution  expected-value  bounds 

Eu estou tentando calcular a expectativa para arbitrário (para a expectativa é infinita) se for normalmente distribuído, ou seja, .c &lt; 0 c &gt; 0 X log ( X ) ∼ N ( μ , σ )E[ ec X]E[ecX]E[e^{cX}]c &lt; 0c&lt;0c<0c &gt; 0c&gt;0c>0XXXregistro( X) ∼ N( μ , σ)log⁡(X)∼N(μ,σ)\log(X) \sim …

8 self-study  distributions  expected-value  lognormal  moments 

Para um projeto de pesquisa, preciso encontrar o valor esperado do quociente generalizado de Rayleigh: Aqui A e B são matrizes de covariâncias determinísticas definidas positivamente p x p , e w segue uma distribuição multivariada com linhas circulares de altitude (digamos, padrão multivariado normal). A dimensão p é maior …

8 distributions  expected-value 

Suponha que eu tenha um experimento de sorteio no qual desejo calcular a estimativa de probabilidade máxima do parâmetro de moeda ppp ao lançar a moeda nnn vezes. Depois de calcular a derivada da função de probabilidade binomial L ( p ) = ( nx) px( 1 - p )n …

8 probability  self-study  variance  maximum-likelihood  expected-value 

É possível derivar uma fórmula para variação de potências de uma variável aleatória em termos de valor esperado e variação de X? e E ( X n ) =var( Xn) =?var⁡(Xn)=?\operatorname{var}(X^n)= \,?E( Xn) =?E(Xn)=?E(X^n)=\,?

8 variance  expected-value 

Eu tenho dois grupos de 10 participantes que foram avaliados três vezes durante um experimento. Para testar as diferenças entre os grupos e nas três avaliações, executei um ANOVA de desenho misto 2x3 com group(controle, experimental), time(primeiro, segundo, três) e group x time. Ambos timee groupresultaram significativos, além de haver …

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

Digamos que temos dois vetores aleatórios gaussianos p(x1)=N(0,Σ1),p(x2)=N(0,Σ2)p(x1)=N(0,Σ1),p(x2)=N(0,Σ2)p(x_1) = N(0,\Sigma_1), p(x_2) = N(0,\Sigma_2) , existe um resultado bem conhecido para a expectativa de seu produto E[x1xT2]E[x1x2T]E[x_1x_2^T] sem assumir independência?

8 random-variable  normal-distribution  expected-value 

Eu tenho uma pergunta ingênua sobre a teoria da decisão. Calculamos as probabilidades de vários resultados assumindo decisões específicas e atribuímos utilitários ou custos a cada resultado. Encontramos a decisão ideal encontrando a que tem a maior utilidade esperada. Mas por que devemos raciocinar dessa maneira? De fato, cada decisão …

8 expected-value  decision-theory  stochastic-ordering 

Seja a estatística de ordem para uma amostra aleatória de tamanho partir de uma distribuição normal com média e variância .X(1)≤X(2)X(1)≤X(2)X_{(1)}\leq X_{(2)}222μμ\muσ2σ2\sigma ^{2} Avalie , , , e .E(X(1))E⁡(X(1))\operatorname{E}(X_{(1)})E(X(2))E⁡(X(2))\operatorname{E}(X_{(2)})Var(X(1))Var⁡(X(1))\operatorname{Var}(X_{(1)})Var(X(2))Var⁡(X(2))\operatorname{Var}(X_{(2)})Cov(X(1),X(2))Cov⁡(X(1),X(2))\operatorname{Cov}(X_{(1)},X_{(2)}) Minha tentativa: Em geral, para uma amostra aleatória de tamanho com função de distribuição e função de densidade eu sei que …

8 distributions  expected-value  order-statistics 

Uma dica útil seria apreciada porque parece que não consigo descobrir como calcular o valor esperado Um lote contém 17 itens, cada um dos quais sujeito a inspeção por dois engenheiros de garantia de qualidade. Cada engenheiro seleciona aleatoriamente e independentemente 4 itens do lote. Determine o número esperado de …

7 self-study  expected-value  indicator-function 

Suponha que você tenha uma variável aleatória discreta com função de massa de probabilidade no suporte . Que função tal que maximiza Para evitar lidar com casos extremos, assuma .XXXp(x)=P(X=x)p(x)=P(X=x)p(x) = P(X=x)0,…,n0,…,n0,\ldots,nq(x)≥0q(x)≥0q(x)\ge 0∑nx=0q(x)=1∑x=0nq(x)=1\sum_{x=0}^n q(x) = 1E(log[q(X−1)+q(X)+q(X+1)])?E(log⁡[q(X−1)+q(X)+q(X+1)])? E(\log[q(X-1)+q(X)+q(X+1)])? P(X=0)=P(X=n)=0P(X=0)=P(X=n)=0P(X=0)=P(X=n)=0 Perguntas relacionadas: Eu acredito que o que maximiza a expectativa acima também …

7 probability  optimization  expected-value  kullback-leibler 

Eu estava assistindo esse vídeo de Khan no Expected Value como uma atualização. Ele menciona de passagem que o valor esperado é o resultado mais provável ... Bem, isso é verdade porque ele está usando uma distribuição binomial como exemplo, certo?

7 expected-value  mode