Znaleziono 1599 wyników
- 21 lut 2015, o 18:36
- Forum: Prawdopodobieństwo
- Temat: Moment Markowa
- Odpowiedzi: 19
- Odsłony: 2068
Moment Markowa
Adifek, dobrze. Zatem X_{\tau} to wartość zmiennej losowej X w chwili \tau(\omega) . PROCESU! Ale mam jeszcze inne pytanie dotyczące samego określenia momentu zatrzymania. Nadal mam trudność, ze zrozumieniem tego zapisu: Czytaj co napisałem. Moment zatrzymania to zmienna, która zależy wyłącznie od ...
- 21 lut 2015, o 18:26
- Forum: Prawdopodobieństwo
- Temat: Moment Markowa
- Odpowiedzi: 19
- Odsłony: 2068
Moment Markowa
Zmienna losowa, w chwili zmiennej losowej? Co jest tutaj w ogóle grane? PROCES w pewnej losowej chwili. Co do idei, to sama idea zatrzymywania procesu jest tak naturalna, że aż trudno z nią dyskutować. Możesz myśleć o zatrzymaniu produkcji, gdy produkowane wyroby przestaną spełniać jakieś wymagania...
- 21 lut 2015, o 17:54
- Forum: Prawdopodobieństwo
- Temat: Moment Markowa
- Odpowiedzi: 19
- Odsłony: 2068
Moment Markowa
To po prostu taka zmienna, która zależy wyłącznie od przeszłości procesu.
Należące, a nie zawierające sięgdzie \(\displaystyle{ \mathcal{F}_n}\) to sigma ciało zawierające się w filtracji \(\displaystyle{ \mathbb{F}= \left\{ \mathcal{F}_n\right\}_{0 \le n \le N}}\).
- 14 lut 2015, o 09:01
- Forum: Prawdopodobieństwo
- Temat: Kiedy funkcja charakterystyczna przyjmuje wartości ujemne?
- Odpowiedzi: 3
- Odsłony: 1982
Kiedy funkcja charakterystyczna przyjmuje wartości ujemne?
Nie istnieje, bo funkcja charakterystyczna w zerze jest równa jeden. Podstawowa własność się kłania A ponieważ jest absolutnie ciągła, to zawsze istnieje przedział, na którym nie jest ujemna.
A przytoczony przeze mnie przykład jest absolutnie ciągły.
A przytoczony przeze mnie przykład jest absolutnie ciągły.
- 13 lut 2015, o 00:55
- Forum: Statystyka
- Temat: Kryterium AIC i RSS
- Odpowiedzi: 5
- Odsłony: 1085
Kryterium AIC i RSS
Załóżmy, że masz pewne obserwacje y_1, ... , y_n oraz x_1 , ... ,x_n . Załóżmy, że zakładasz najprostszy model liniowy y=ax +b + \epsilon . Dostajesz oszacowania \widehat{a}, \ \widehat{b} parametrów a i b . Wtedy RSS = \sum_{i=1}^{n}(y_i - \widehat{a}x_i - \widehat{b})^2 . Nie ma takiego modelu jak...
- 12 lut 2015, o 19:16
- Forum: Statystyka
- Temat: Kryterium AIC i RSS
- Odpowiedzi: 5
- Odsłony: 1085
Kryterium AIC i RSS
Nie wiem jaki masz model, ale to co mówisz brzmi mocno podejrzanie, by do kryterium informacyjnego używać estymator. Zwykle RSS definiuje się tak: Dla obserwacji y_1, \dots , y_n oraz ich estymatorów \widehat{y}_1, \dots , \widehat{y}_n definiuje się jako RSS = \sum_{i=1}^n \left( y_i -\widehat{y}_i...
- 12 lut 2015, o 14:46
- Forum: Statystyka
- Temat: Kryterium AIC i RSS
- Odpowiedzi: 5
- Odsłony: 1085
Kryterium AIC i RSS
To po prostu suma kwadratów reszt.
Ale skądinąd nie wiem po co Ci RSS, skoro kryterium Akaike bazuje na funkcji wiarygodności.
Ale skądinąd nie wiem po co Ci RSS, skoro kryterium Akaike bazuje na funkcji wiarygodności.
- 12 lut 2015, o 12:20
- Forum: Prawdopodobieństwo
- Temat: Twierdzenie Lideberga-Levy'ego
- Odpowiedzi: 1
- Odsłony: 507
Twierdzenie Lideberga-Levy'ego
\(\displaystyle{ G}\) - szukana ilość pieniędzy
ma być:
\(\displaystyle{ P\left( G + S_n \ge 0\right)\ge 0,99}\)
I to zwykłe CTG jest, Lindeberga w to nie musisz angażować
ma być:
\(\displaystyle{ P\left( G + S_n \ge 0\right)\ge 0,99}\)
I to zwykłe CTG jest, Lindeberga w to nie musisz angażować
- 10 lut 2015, o 18:53
- Forum: Prawdopodobieństwo
- Temat: Zmienne losowe X i Y są niezależne
- Odpowiedzi: 2
- Odsłony: 449
Zmienne losowe X i Y są niezależne
Nawet nie trzeba. Ponieważ nośniki \(\displaystyle{ X}\) oraz \(\displaystyle{ -Y}\) są rozłączne, to rozkłady się dodadzą, wystarczy je jedynie unormować do jedynki.
- 10 lut 2015, o 18:43
- Forum: Prawdopodobieństwo
- Temat: Kiedy funkcja charakterystyczna przyjmuje wartości ujemne?
- Odpowiedzi: 3
- Odsłony: 1982
Kiedy funkcja charakterystyczna przyjmuje wartości ujemne?
Wystarczy, że do zmiennej o rozkładzie jednostajnym na [-1,1] dodasz niezależną zmienną o rozkładzie normalnym, to będziesz miał rozkład na całej prostej z ujemną funkcją charakterystyczną. Pamiętaj, że funkcja charakterystyczna jest funkcją zespoloną. To, że gdzieś jest ujemna tak naprawdę niewiele...
- 8 lut 2015, o 19:39
- Forum: Prawdopodobieństwo
- Temat: Warunkowa wartość oczekiwana - skomplikowana postać
- Odpowiedzi: 7
- Odsłony: 813
Warunkowa wartość oczekiwana - skomplikowana postać
Dokładnie. Wyciągnąć zmienną poza WWO będziemy mogli jedynie w wypadku, gdy \sigma (X) = \sigma(h(X)) . Jak łatwo widać zawsze zachodzi inkluzja \sigma(h(X)) \subseteq \sigma (X) . Druga już niekoniecznie, bo jak widać nałożenie funkcji może zubożyć generator sigma ciała (w podanym przeze mnie przyk...
- 8 lut 2015, o 17:02
- Forum: Prawdopodobieństwo
- Temat: Warunkowa wartość oczekiwana - skomplikowana postać
- Odpowiedzi: 7
- Odsłony: 813
Warunkowa wartość oczekiwana - skomplikowana postać
Jak słusznie zauważyłeś, to, że siedzi tam jakiś \(\displaystyle{ Y}\) nic nie zmienia, bo zmienne są niezależne.
Rozważ zmienną na \(\displaystyle{ [-1,1]}\) postaci \(\displaystyle{ X(\omega) = \omega}\) oraz \(\displaystyle{ h(x) = x^2}\).
Rozważ zmienną na \(\displaystyle{ [-1,1]}\) postaci \(\displaystyle{ X(\omega) = \omega}\) oraz \(\displaystyle{ h(x) = x^2}\).
- 8 lut 2015, o 16:59
- Forum: Statystyka
- Temat: Estymator obciążony
- Odpowiedzi: 10
- Odsłony: 2173
Estymator obciążony
No to policz tę wartość oczekiwaną
- 8 lut 2015, o 15:55
- Forum: Prawdopodobieństwo
- Temat: Warunkowa wartość oczekiwana - skomplikowana postać
- Odpowiedzi: 7
- Odsłony: 813
Warunkowa wartość oczekiwana - skomplikowana postać
No właśnie. A co będzie jeśli weźmiemy \(\displaystyle{ E(X|\sigma (h(X),Y))}\) ?
- 8 lut 2015, o 15:04
- Forum: Statystyka
- Temat: Estymator obciążony
- Odpowiedzi: 10
- Odsłony: 2173
Estymator obciążony
Nie wiem, po co angażujesz wariancję do sprawdzania nieobciążoności. Zwłaszcza, że nie wiesz, czy zmienne mają skończoną wariancję
Poza tym raz piszesz, że ta wariancja to \(\displaystyle{ \sigma^2}\) a raz że \(\displaystyle{ \mu}\). Więc jak to jest?
Poza tym raz piszesz, że ta wariancja to \(\displaystyle{ \sigma^2}\) a raz że \(\displaystyle{ \mu}\). Więc jak to jest?