Perguntas com a marcação «minimum»

X1 1, . . . , XnX1,...,XnX_1, ..., X_nmin ( X1 1, . . . , Xn)min(X1 1,...,Xn)\min(X_1, ..., X_n)

56 distributions  random-variable  minimum 

Eu li que o algoritmo k-means apenas converge para um mínimo local e não para um mínimo global. Por que é isso? Posso pensar logicamente como a inicialização pode afetar o clustering final e existe a possibilidade de clustering abaixo do ideal, mas não encontrei nada que provasse isso matematicamente. …

17 clustering  k-means  convergence  gradient-descent  minimum 

Suponha que e Y ∼ N ( μ y , σ 2 y )X∼N(μx,σ2x)X∼N(μx,σx2)X \sim \mathcal{N}(\mu_x, \sigma^2_x)Y∼N(μy,σ2y)Y∼N(μy,σy2)Y \sim \mathcal{N}(\mu_y, \sigma^2_y) Estou interessado em . Existe um estimador imparcial para z ?z=min(μx,μy)z=min(μx,μy)z = \min(\mu_x, \mu_y)zzz O estimador de simples onde ˉ x e ˉ y são médias das amostras de X …

13 random-variable  unbiased-estimator  minimum 

Esta é a minha primeira vez aqui, portanto, deixe-me saber se posso esclarecer minha pergunta de alguma forma (incluindo formatação, tags, etc.). (E espero poder editar mais tarde!) Tentei encontrar referências e resolvi-me usando a indução, mas falhei em ambas. Estou tentando simplificar uma distribuição que parece reduzir a uma …

11 distributions  chi-squared  exponential  order-statistics  minimum 

Estou preso em como resolver este problema. Portanto, temos duas seqüências de variáveis ​​aleatórias, e para . Agora, e são distribuições exponenciais independentes com parâmetros e . No entanto, em vez de se observar e , observa-se, em vez e .Y i i = 1 , . . . , …

10 self-study  maximum-likelihood  exponential  minimum 

Suponha que eu tenha o mínimo, a média e o máximo de alguns conjuntos de dados, digamos, 10, 20 e 25. Existe uma maneira de: criar uma distribuição a partir desses dados e saber qual a porcentagem provável da população acima ou abaixo da média Editar: De acordo com a …

10 distributions  standard-deviation  mean  maximum  minimum 

Estou lendo um artigo da conferência de 1991 de Geyer, que está relacionado abaixo. Nele, ele parece iludir-se com um método que pode usar o MCMC para estimativa de parâmetros MLE Isso me excita desde então, codifiquei algoritmos BFGS, GAs e todos esses tipos de métodos horríveis e de sorte …

10 maximum-likelihood  mcmc  gradient-descent  minimum 

Suponha que eu tenho parâmetros positivos para estimar e suas estimativas imparciais não produzidas pelos estimadores , ou seja, , e assim por diante.nnnμ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_nnnnμ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}E[μ1^]=μ1E[μ1^]=μ1\mathrm E[\hat{\mu_1}]=\mu_1E[μ2^]=μ2E[μ2^]=μ2\mathrm E[\hat{\mu_2}]=\mu_2 Gostaria de estimar usando as estimativas disponíveis. Claramente, o estimador ingênuo é enviesado mais baixo como min(μ1,μ2,...,μn)min(μ1,μ2,...,μn)\mathrm{min}(\mu_1,\mu_2,...,\mu_n)min(μ1^,μ2^,...,μn^)min(μ1^,μ2^,...,μn^)\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)\mathrm E[\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})]\leq \mathrm{min}(\mu_1,\mu_2,...,\mu_n) Suponha que eu também tenha …

9 unbiased-estimator  estimators  minimum 

Suponha a seguinte configuração: Seja . Também . Além disso, ie é uma combinação convexa dos limites dos respectivos suportes. é comum para todos .Zi=min{ki,Xi},i=1,...,nZi=min{ki,Xi},i=1,...,nZ_i = \min\{k_i, X_i\}, i=1,...,nXi∼U[ai,bi],ai,bi>0Xi∼U[ai,bi],ai,bi>0X_i \sim U[a_i, b_i], \; a_i, b_i >0ki=cai+(1−c)bi,0<c<1ki=cai+(1−c)bi,0<c<1k_i = ca_i + (1-c)b_i,\;\; 0 k_i) = 1- \Pr(X_i \le k_i) =1−ki−aibi−ai=1−(1−c)(bi−ai)bi−ai=c=1−ki−aibi−ai=1−(1−c)(bi−ai)bi−ai=c= 1- \frac …

9 distributions  central-limit-theorem  censoring  minimum 

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 

Em R existe uma função nlm () que realiza uma minimização de uma função f usando o algoritmo de Newton-Raphson. Em particular, essa função gera o valor do código da variável definido da seguinte maneira: codifique um número inteiro indicando por que o processo de otimização foi encerrado. 1: o …

9 r  minimum 

Estou vendo como a distância euclidiana mínima esperada entre pontos aleatoriamente uniformes e a origem muda à medida que aumentamos a densidade de pontos aleatórios ( pontos por unidade quadrada ) ao redor da origem. Eu consegui chegar a um relacionamento entre os dois descritos como tal: Distância mínima esperada …

8 r  expected-value  monte-carlo  uniform  minimum 

Deixei XXX e YYY seja iid ∼ Nou r m a l ( 0 , 1 )∼Normumaeu(0 0,1 1)\sim Normal(0,1) Deixei A = m a x ( X,Y)UMA=mumax(X,Y)A=max(X,Y) e B = m i n ( X,Y)B=mEun(X,Y)B=min(X,Y) O que são Va r ( A )Vumar(UMA)Var(A) e Va r ( B )Vumar(B)Var(B)? …

7 self-study  variance  maximum  iid  minimum