Perguntas com a marcação «probability-inequalities»

Desigualdades de probabilidade são úteis para delimitar quantidades que, de outra forma, poderiam ser difíceis de calcular. Um conceito relacionado é uma desigualdade de concentração, que fornece especificamente limites sobre o quanto uma variável aleatória se desvia de algum valor.

3
E se
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( | …
3
O que é mais alto, ou
Então fiz um teste de probabilidade e não consegui responder a essa pergunta. Apenas perguntou algo como isto: "Considerando que é uma variável aleatória, 0 , use a desigualdade correta para provar o que é maior ou igual, E (X ^ 2) ^ 3 ou E (X ^ 3) ^ …
2
Variáveis ​​aleatórias para as quais as desigualdades de Markov e Chebyshev são estreitas
Estou interessado em construir variáveis ​​aleatórias para as quais as desigualdades de Markov ou Chebyshev são pequenas. Um exemplo trivial é a seguinte variável aleatória. P(X=1)=P(X=−1)=0.5P(X=1)=P(X=−1)=0.5P(X=1)=P(X=-1) = 0.5 . Sua média é zero, a variação é 1 e . Para esta variável aleatória, chebyshev é apertado (vale com igualdade).P(|X|≥1)=1P(|X|≥1)=1P(|X| \ge …
3
Encontre distribuição e transforme em distribuição normal
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 
2
Se , qual o tamanho ?
Se , onde e for uma sequência de variáveis ​​aleatórias positivas, qual o tamanho ?E|Xn|=O(an)E|Xn|=O(an)\mathbb{E}|X_n|=O(a_n)an→0an→0a_n\to 0XnXnX_nYn=Xnln(1Xn)Yn=Xnln⁡(1Xn)Y_n = X_n\ln\left(\frac{1}{X_n}\right) Minha tentativa: pela desigualdade de Markov implica e . Resta avaliar . Para alguma sequência positiva de variáveis ​​aleatóriasE|Xn|=O(an)E|Xn|=O(an)\mathbb{E}|X_n|=O(a_n)Xn=Op(an)Xn=Op(an)X_n=O_p(a_n)Yn=Op(an)ln(1Xn)Yn=Op(an)ln⁡(1Xn)Y_n = O_p(a_n)\ln\left(\frac{1}{X_n}\right)ln(1Xn)ln⁡(1Xn)\ln\left(\frac{1}{X_n}\right)Zn=Op(1)Zn=Op(1)Z_n=O_p(1) Xn=umanZn⟺em(Xn) = ln(uman) + ln(Zn)⟺em(1 1Xn)em(1 1uman)=em(Zn)em(uman)+ 1Xn=anZn⟺ln⁡(Xn)=ln⁡(an)+ln⁡(Zn)⟺ln⁡(1Xn)ln⁡(1an)=ln⁡(Zn)ln⁡(an)+1\begin{equation} \begin{aligned} X_n = …
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.