タグ付けされた質問 「characteristic-function」

14
ガウス(正規)分布の最も驚くべき特徴は何ですか?
の標準化されたガウス分布は、密度を明示的に指定することで定義できます。 RR\mathbb{R}12π−−√e−x2/212πe−x2/2 \frac{1}{\sqrt{2\pi}}e^{-x^2/2} またはその特徴的な機能。 この質問で想起されたように、それはサンプル平均と分散が独立している唯一の分布でもあります。 あなたが知っているガウス尺度の他の驚くべき代替の特徴は何ですか?最も驚くべき答えを受け入れます

5
特徴的な機能の目的は何ですか?
私は、誰かが素人の言葉で、特徴的な機能とは何か、実際にどのように使用されるかを説明できることを望んでいます。私はそれがpdfのフーリエ変換であることを読んだので、私はそれが何であるか知っていると思いますが、私はまだその目的を理解していません。誰かがその目的の直感的な説明と、おそらくそれが通常どのように使用されるかの例を提供できれば、それは素晴らしいことです! 最後の注意点:Wikipediaのページを見たことがありますが、何が起こっているのかを理解するには密度が高すぎるようです。私が探しているのは、確率論の不思議に没頭していない人、たとえばコンピューター科学者が理解できる説明です。

3
R:データセットにNaNがないにもかかわらず、「Forest function call」エラーでNaN / Infをスローするランダムフォレスト[非公開]
キャレットを使用して、データセットに対してクロス検証されたランダムフォレストを実行しています。Y変数は要因です。データセットにNaN、Inf、またはNAはありません。ただし、ランダムフォレストを実行すると、 Error in randomForest.default(m, y, ...) : NA/NaN/Inf in foreign function call (arg 1) In addition: There were 28 warnings (use warnings() to see them) Warning messages: 1: In data.matrix(x) : NAs introduced by coercion 2: In data.matrix(x) : NAs introduced by coercion 3: In data.matrix(x) : NAs introduced by …

1
モーメント生成関数と特性関数の間のリンク
モーメント生成関数と特性関数の間のリンクを理解しようとしています。モーメント生成関数は次のように定義されます: Mバツ(t )= E(exp(t X))= 1 + t E(X)1+ t2E(X2)2 !+ ⋯ + tnE(Xn)n !Mバツ(t)=E(exp⁡(tバツ))=1+tE(バツ)1+t2E(バツ2)2!+⋯+tnE(バツn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} の級数展開を使用して、ランダム変数の分布のすべてのモーメントを見つけることができますバツ。exp(t X)= ∑∞0(t )n⋅ Xnn !exp⁡(tバツ)=∑0∞(t)n⋅バツnn!\exp(tX) = \sum_0^{\infty} \frac{(t)^n \cdot X^n}{n!} 特性関数は次のように定義されます: φバツ(t )= E(exp(i t X))= 1 + …


2
モーメント生成関数を特性関数より優先する場合は?
ましょう確率空間であり、およびletランダムベクトルです。LETの分布である、上のボレル測度。(Ω,F,P)(Ω、F、P)(\Omega, \mathcal{F}, P)X:Ω→Rnバツ:Ω→RんX : \Omega \to \mathbb{R}^nPX=X∗PPバツ=バツ∗PP_X = X_* PXバツXRnRん\mathbb{R}^n 特性関数の関数で に対して定義された(確率変数は、すべてのに対してで制限されます)。これはのフーリエ変換です。XバツXφX(t)=E[eit⋅X]=∫Ωeit⋅XdP,φバツ(t)=E[e私t⋅バツ]=∫Ωe私t⋅バツdP、 \varphi_X(t) = E[e^{i t \cdot X}] = \int_\Omega e^{i t \cdot X} \, dP, t∈Rnt∈Rんt \in \mathbb{R}^neit⋅Xe私t⋅バツe^{i t \cdot X}L1(P)L1(P)L^1(P)tttPXPバツP_X のモーメント生成関数(mgf)は、関数 すべての、上記積分が存在します。これはのラプラス変換です。XバツXMX(t)=E[et⋅X]=∫Ωet⋅XdP,Mバツ(t)=E[et⋅バツ]=∫Ωet⋅バツdP、 M_X(t) = E[e^{t \cdot X}] = \int_\Omega e^{t \cdot X} \, dP, t∈Rnt∈Rんt \in \mathbb{R}^n PXPバツP_X …

1
特性関数から密度を見つける方法は?
分布には特徴的な機能があります ϕ(t)=(1−t2/2)exp(−t2/4), −∞<t<∞ϕ(t)=(1−t2/2)exp⁡(−t2/4), −∞<t<∞\phi(t) = (1-t^2/2)\exp(-t^2/4),\ -\infty \lt t \lt \infty 分布が完全に連続であることを示し、分布の密度関数を記述します。 試み: ∫∞- ∞| (1− t2/ 2)exp(− t2/ 4) | dt = (− 2 / t )(1 − t2/ 2)exp(− t2/ 4)−2exp(− t2/ 4) |0- ∞∫−∞∞|(1−t2/2)exp⁡(−t2/4)|dt=(−2/t)(1−t2/2)exp⁡(−t2/4)−2exp⁡(−t2/4)|−∞0\int_{-\infty}^{\infty}|(1-t^2/2)\exp(-t^2/4)|dt =(-2/t)(1-t^2/2)\exp(-t^2/4)-2\exp(-t^2/4)|_{-\infty}^{0} 以下のための同様の結果以来トンが乗されます。t[ 0 、∞ ][0,∞][0,\infty]ttt 積分が正しく行われたかどうかはよくわかりませんが、\ phi(t)の絶対値が\ inftyϕ (t )ϕ(t)\phi(t)より小さいことを示すことができれば、関数は完全に連続です。∞∞\infty
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.