Perguntas com a marcação «gamma-distribution»

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 

Situação: Digamos que eu tenha um processo de Poisson, como decaimento radioativo, produzindo partículas R por segundo. Eu meço com um detector. Existe uma probabilidade P de que uma partícula seja detectada pelo detector. Coisas que acho que sei: O tempo entre a chegada da emissão de partículas é distribuído …

8 poisson-distribution  negative-binomial  gamma-distribution 

Meu projeto atual pode exigir que eu construa um modelo para prever o comportamento de um determinado grupo de pessoas. o conjunto de dados de treinamento contém apenas 6 variáveis ​​(id é apenas para fins de identificação): id, age, income, gender, job category, monthly spend em que monthly spendé a …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Estou tentando ajustar uma distribuição gama inversa de três parâmetros aos meus dados em R ou Python. Eu gostaria de fazer isso usando a estimativa de máxima verossimilhança (MLE). O pdf dos três parâmetros gama inversa é dado por: Onde Γ é a função gama, ρ é a forma, α …

8 r  pdf  curve-fitting  gamma-distribution 

O artigo da Wikipedia sobre distribuição Gamma lista dois métodos diferentes de parametrização, um deles freqüentemente usado na econometria bayesiana com e , é o parâmetro shape, é o parâmetro rate.α>0α>0\alpha>0β>0β>0\beta>0αα\alphaββ\beta X∼Gamma(α,β).X∼Gamma(α,β).X\sim \mathrm{Gamma}(\alpha,\beta). Em um livro de econometria bayesiano escrito por Gary Koop, o parâmetro de precisão segue uma distribuição …

8 bayesian  econometrics  prior  gamma-distribution 

Deixe- T1,T2,…T1,T2,…T_1, T_2, \dots estar sequência iid de variáveis aleatórias exponencial com parâmetro λλ\lambda . A soma Sn=T1+T2+⋯+TnSn=T1+T2+⋯+TnS_n = T_1 + T_2 + \dots + T_n é uma distribuição Gama. Agora, como eu entendo, a distribuição de Poisson é definida por NtNtN_t seguinte maneira: Nt=max{k:Sk≤t}Nt=max{k:Sk≤t}N_t = \max\{k: S_k \le t\} …

8 distributions  probability  poisson-distribution  exponential  gamma-distribution 

Seja variáveis ​​aleatórias independentes.Xi∼Gamma(α,pi),i=1,2,...,n+1Xi∼Gamma(α,pi),i=1,2,...,n+1X_i\sim\text{Gamma}(\alpha,p_i),i=1,2,...,n+1 Defina e . Mostre que são distribuídos independentemente.Z1=∑n+1i=1XiZ1=∑i=1n+1XiZ_1=\sum_{i=1}^{n+1}X_iZi=Xi∑ij=1Xj,i=2,3,...,n+1Zi=Xi∑j=1iXj,i=2,3,...,n+1Z_i=\frac{X_i}{\sum_{j=1}^iX_j},\quad i=2,3,...,n+1Z1,Z2,...,Zn+1Z1,Z2,...,Zn+1Z_1,Z_2,...,Z_{n+1} A densidade da junta de é dada por(X1,...,Xn+1)(X1,...,Xn+1)(X_1,...,X_{n+1}) fX(x1 1, . . . ,xn + 1) = [α∑n + 1i = 1pEu∏n + 1i = 1Γ (pEu)exp( - α∑i = 1n + 1xEu)∏i = 1n + 1xpEu- …

8 probability  distributions  mathematical-statistics  random-variable  gamma-distribution 

Deixei X1 1,X2,X3, . . . ,XnX1,X2,X3,...,XnX_{1},X_{2},X_{3},...,X_{n} ser uma amostra aleatória de uma distribuição com pdf f( x ; α , θ ) =e- x / θθαΓ ( α )xα - 1Eu( 0 , ∞ )( x ) , α , θ > 0f(x;α,θ)=e−x/θθαΓ(α)xα−1I(0,∞)(x),α,θ>0f(x;\alpha,\theta)=\frac{e^{-x/\theta}}{\theta^{\alpha}\Gamma(\alpha)}x^{\alpha-1}I_{(0,\infty)}(x ),\alpha,\theta>0 Encontre o estimador de probabilidade …

7 self-study  maximum-likelihood  gamma-distribution  estimators 

A distribuição Erlang tem uma interpretação direta em termos de tempo de espera para a ocorrência de um número predefinido de eventos em um processo de Poisson ou a soma de um número predefinido de variáveis ​​aleatórias exponenciais. A distribuição gama é mais geral, pois permite um parâmetro não inteiro, …

7 distributions  modeling  gamma-distribution  poisson-process 

Eu sei que a família gama de distribuições é uma família de dois parâmetros, mas o qui-quadrado tem apenas um parâmetro. Como uma distribuição de qui-quadrado é uma distribuição gama se ela possui apenas um parâmetro?

7 chi-squared  gamma-distribution 

Eu tenho dados que compreendem distâncias entre pontos sucessivos em uma linha (vetor 1D): Tradicionalmente, no meu campo, esses dados são equipados com uma distribuição gama, na tentativa de descrever a distribuição dos pontos; no entanto, em alguns casos, acho que uma distribuição Weibull se encaixa melhor (maior probabilidade com …

7 distributions  gamma-distribution  weibull