X1 1, . . . , XnX1,...,XnX_1, ..., X_nmin ( X1 1, . . . , Xn)min(X1 1,...,Xn)\min(X_1, ...,
Os valores extremos são as maiores ou as menores observações em uma amostra; por exemplo, o mínimo da amostra (a estatística de primeira ordem) e o máximo da amostra (a estatística de enésima ordem). Associadas a valores extremos estão distribuições de valores extremos assintóticos *. *
X1 1, . . . , XnX1,...,XnX_1, ..., X_nmin ( X1 1, . . . , Xn)min(X1 1,...,Xn)\min(X_1, ...,
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...
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...
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...
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 , . . . , N X Y X u X Y Z...
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 para...
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 sugestão de Glen, suponha...
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:...
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 de...
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], \;...
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...
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...
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)? A partir da simulação, recebo Va r ( A ) = Va r ( B...