Perguntas com a marcação «variance»

O desvio quadrado esperado de uma variável aleatória de sua média; ou, o desvio quadrado médio dos dados sobre sua média.


2
Variação da média da amostra da amostra de bootstrap
Deixe- são observações distintas (sem vínculos). Deixe- X * 1 , . . . , X ∗ n denota uma amostra de bootstrap (uma amostra do CDF empírico) e deixa ˉ X ∗ n = 1X1,...,XnX1,...,XnX_{1},...,X_{n}X∗1,...,X∗nX1∗,...,Xn∗X_{1}^{*},...,X_{n}^{*} . EncontreE( ˉ X ∗ n )eVar( ˉ X ∗ n ).X¯∗n=1n∑ni=1X∗iX¯n∗=1n∑i=1nXi∗\bar{X}_{n}^{*}=\frac{1}{n}\sum_{i=1}^{n}X_{i}^{*}E(X¯∗n)E(X¯n∗)E(\bar{X}_{n}^{*})Var(X¯∗n)Var(X¯n∗)\mathrm{Var}(\bar{X}_{n}^{*}) O que …

2
Encontrar a variância do estimador para a máxima probabilidade para a distribuição de Poisson
Se são distribuições de Poisson iid com o parâmetro que a estimativa de probabilidade máxima é para dados . Portanto, podemos definir o estimador correspondente Minha pergunta é como você descobriria a variação desse estimador?K1,…,KnK1,…,KnK_1, \dots, K_nββ\betaβ^(k1,…,kn)=1n∑i=1nkiβ^(k1,…,kn)=1n∑i=1nki\hat\beta (k_1, \dots, k_n) = \frac{1}{n} \sum_{i=1}^n k_ik1,…,knk1,…,knk_1, \dots, k_nT=1n∑i=1nKi.T=1n∑i=1nKi.T = \frac{1}{n} \sum_{i=1}^n K_i …


4
Box Cox Transforms para regressão
Estou tentando ajustar um modelo linear em alguns dados com apenas um preditor (digamos (x, y)). Os dados são tais que, para valores pequenos de x, os valores de y ajustam-se firmemente a uma linha reta; no entanto, à medida que os valores de x aumentam, os valores de y …

2


3
O que há de errado com a minha prova da Lei da Variação Total?
De acordo com a Lei da variância total, Var(X)=E(Var(X∣Y))+Var(E(X∣Y))Var⁡(X)=E⁡(Var⁡(X∣Y))+Var⁡(E⁡(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) Ao tentar provar isso, escrevo Var(X)=E(X−EX)2=E{E[(X−EX)2∣Y]}=E(Var(X∣Y))Var⁡(X)=E⁡(X−E⁡X)2=E⁡{E⁡[(X−E⁡X)2∣Y]}=E⁡(Var⁡(X∣Y)) \begin{equation} \begin{aligned} \operatorname{Var}(X) &= \operatorname{E}(X - \operatorname{E}X)^2 \\ &= \operatorname{E}\left\{\operatorname{E}\left[(X - \operatorname{E}X)^2\mid Y\right]\right\} \\ &= \operatorname{E}(\operatorname{Var}(X\mid Y)) \end{aligned} \end{equation} O que há de errado com isso?


2
Variância do máximo de variáveis ​​aleatórias gaussianas
Dadas as variáveis ​​aleatórias X1,X2,⋯,XnX1,X2,⋯,XnX_1,X_2, \cdots, X_n amostra amostrada de , defina ∼N(0,σ2)∼N(0,σ2)\sim \mathcal{N}(0, \sigma^2)Z=maxi∈{1,2,⋯,n}XiZ=maxi∈{1,2,⋯,n}XiZ = \max_{i \in \{1,2,\cdots, n \}} X_i Temos esse E[Z]≤σ2logn−−−−−√E[Z]≤σ2log⁡n\mathbb{E}[Z] \le \sigma \sqrt{2 \log n} . Eu queria saber se existem limites superiores / inferiores em Var ( Z)Var(Z)\text{Var}(Z) ?

4
Variância de combinações lineares de variáveis ​​aleatórias correlacionadas
Entendo a prova de que Var(aX+bY)=a2Var(X)+b2Var(Y)+2abCov(X,Y),Var(aX+bY)=a2Var(X)+b2Var(Y)+2abCov(X,Y),Var(aX+bY) = a^2Var(X) +b^2Var(Y) + 2abCov(X,Y), mas não sei Não entendo como provar a generalização para combinações lineares arbitrárias. Seja escalares para para que tenhamos um vetor , e X _ = X i , … , X n seja um vetor de variáveis ​​aleatórias …


1
Confusão relacionada à técnica de ensacamento
Estou tendo um pouco de confusão. Eu estava lendo este artigo, onde explicava que a técnica de ensacamento reduz bastante a variação e apenas aumenta ligeiramente o viés. Eu não entendi como isso reduz a variação. Eu sei o que é variação e preconceito. Viés é a incapacidade do modelo …



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.