Perguntas com a marcação «mgf»

A função geradora de momentos (mgf) é uma função real que permite derivar os momentos de uma variável aleatória e, portanto, pode caracterizar toda a sua distribuição. Use também para seu logaritmo, a função geradora de cumulantes.

3
Os CDFs são mais fundamentais que os PDFs?
Meu professor de estatística disse basicamente que, se receber um dos três seguintes, você poderá encontrar os outros dois: Função de distribuição cumulativa Função Geradora de Momento Função densidade de probabilidade Mas meu professor de econometria disse que os CDFs são mais fundamentais que os PDFs, porque há exemplos em …
43 probability  pdf  cdf  mgf 


2
Desigualdades de probabilidade
Estou procurando algumas desigualdades de probabilidade para somas de variáveis ​​aleatórias ilimitadas. Eu realmente aprecio isso se alguém puder me fornecer alguns pensamentos. Meu problema é encontrar um limite superior exponencial acima da probabilidade de que a soma das variáveis ​​aleatórias do iid ilimitadas, que são de fato a multiplicação …



1
Ligação entre função geradora de momento e função característica
Estou tentando entender o vínculo entre a função geradora de momento e a função característica. A função geradora de momento é definida como: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Usando a expansão em série de , Posso encontrar todos …


1
Distribuição com
Existe alguma informação lá fora sobre a distribuição cujo nnn º cumulant é dada por 1n1n\frac 1 n ? A função geradora de cumulante é da forma κ(t)=∫10etx−1x dx.κ(t)=∫01etx−1x dx. \kappa(t) = \int_0 ^ 1 \frac{e^{tx} - 1}{x} \ dx. Corri através dele como a distribuição limitadora de algumas variáveis …




6
Existe alguma distribuição univariada da qual não podemos provar?
Temos uma grande variedade de métodos para geração aleatória a partir de distribuições univariadas (transformação inversa, aceitação-rejeição, Metropolis-Hastings etc.) e parece que podemos amostrar literalmente qualquer distribuição válida - isso é verdade? Você poderia fornecer algum exemplo de distribuição univariada impossível de gerar aleatoriamente? Eu acho que o exemplo onde …

5
Como executar a imputação de valores em um número muito grande de pontos de dados?
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis ​​estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 


1
Condição necessária e suficiente no MGF conjunto para a independência
Suponha que eu tenha um momento conjunto gerando a função para uma distribuição conjunta com CDF . É ambos um necessária e suficiente de condição para independência de e ? Eu verifiquei alguns livros, que mencionavam apenas a necessidade:MX,Y(s,t)MX,Y(s,t)M_{X,Y}(s,t)FX,Y(x,y)FX,Y(x,y)F_{X,Y}(x,y)MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)M_{X,Y}(s,t)=M_{X,Y}(s,0)⋅M_{X,Y}(0,t)XXXYYY FX,Y(x,y)=FX(x)⋅FY(y)⟹MX,Y(s,t)=MX(s)⋅MY(t)FX,Y(x,y)=FX(x)⋅FY(y)⟹MX,Y(s,t)=MX(s)⋅MY(t)F_{X,Y}(x,y)=F_X(x)\cdot F_Y(y) \implies M_{X,Y}(s,t)=M_X(s) \cdot M_Y(t) Esse resultado é claro, pois …

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.