タグ付けされた質問 「geometric-mean」

幾何平均と算術平均について、互いに非常に近いもの、たとえば〜0.1％に重要なものはありますか？そのようなデータセットについてどのような推測をすることができますか？ 私はデータセットの分析に取り組んできましたが、皮肉なことに、値は非常に近いことがわかりました。正確ではないが、近い。また、算術平均幾何平均不等式の簡単な健全性チェックとデータ収集のレビューにより、値をどのように考え出したかという点で、データセットの整合性について怪しいものはないことが明らかになりました。

24 descriptive-statistics  mean  geometric-mean 

場合はf1,…,fkf1,…,fkf_1,\ldots,f_kアルゴリズムが利用可能である私は、シミュレートすることができ、そこから密度、すなわち、知られています。製品が積分可能な場合、この製品密度からシミュレートする一般的なアプローチはありますかからのシミュレーターF I∏i=1kfi(x)αiα1,…,αk>0∏i=1kfi(x)αiα1,…,αk>0\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0fifif_iの？

20 simulation  monte-carlo  geometric-mean  scalability  finite-mixture-model 

閉じた形で表現できる連続分布はありますか？その平均は、サンプルの幾何平均がその平均の不偏推定量であるようなものですか？ 更新：私はサンプルが正でなければならない（または、幾何平均が存在しない可能性がある）ことに気付いたので、連続は正しい言葉ではないかもしれません。確率変数の負の値に対してはゼロであり、正の値に対しては連続である分布はどうでしょうか。切り捨てられた分布のようなもの。

11 distributions  geometric-mean 

反例を証明または提供します。 もし、次いで、XnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, （∏ n i = 1 X i ）1 / nXXX(∏ni=1Xi)1/n(∏i=1nXi)1/n(\prod_{i=1}^{n}X_i)^{1/n} →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX 私の試み： FALSE：が負の値のみを取ることができると仮定し、と仮定しますX N ≡ X ∀ n個XXXXn≡XXn≡XX_n \equiv X ∀∀\forall nnn THEN、但しもため、厳密に負ではありません。代わりに、ネガティブからポジティブおよびネガティブへと切り替わります。したがって、はほぼ確実に収束しません。XnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, n （∏ n i = 1 X i ）1 / n（∏ n i …

10 self-study  convergence  geometric-mean 

これがまったく混乱するなら、私は謝罪します、私は幾何学的な手段にとても慣れていません。コンテキストでは、私のデータセットは35か月末のポートフォリオ値です。月ごとの成長率[Month（N）/ Month（N-1）]-1を見つけたため、34個の観測値があり、既知の前月の月末の値を使用して月末の値を推定したいと思います。たとえば、先月のポートフォリオの最終値がわかっている場合は、それに成長率を掛けて、今月の最終値+/-エラーのマージンの見積もりを取得します。 私は最初に成長率の算術平均を使用し、サンプルの標準偏差を見つけ、信頼区間を計算して下限/上限の成長率を得ました。 私はこの方法の正確さを疑っており、代わりに幾何平均を使用しようとしました。したがって、現在私は34の成長率のセットを持っていますが、1を差し引かなかったため、すべての値は正であり、幾何平均を計算し、標準偏差を計算するには、このWikipediaの式を使用しました： いまこのサイトで同様の質問を調べ、インターネットを一般的に検索し、方法や数式についてさまざまな意見を見ているので、95％CIを計算する方法に関する損失（確かに、基礎となる数学でも少し失われています）。 σg= exp⎛⎝⎜⎜Σんi = 1ln（バツ私μg）2ん−−−−−−−−−−−⎷⎞⎠⎟⎟σg=exp(∑i=1nln(xiμg)2n) \sigma_g = \exp\!\!\left(\sqrt{\frac{\sum_{i=1}^n\ln\!\big(\frac{x_i}{\mu_g}\big)^2}{n}} \right) 現在、正規分布の式を使用して、幾何標準偏差から1を引いて（パーセンテージに戻すために）信頼区間を計算しています。 標準誤差= [（Geometric Stdev-1）/ Sqrt（N）]、 エラーのマージン= [標準エラー* 1.96]、および CI = [幾何平均+/-エラーのマージン] これは妥当な近似ですか、それともCIを計算するために別の方法を使用する必要がありますか？

8 distributions  confidence-interval  geometric-mean