タグ付けされた質問 「geometry」

指数ファミリは、2つの成分を使用して定義されます。-基本密度 q0（x ）q0(x)q_0(x) -多数の十分な統計 S私（x ）Si(x)S_i(x) ファミリーはすべての確率密度であり、次のように記述できます。 q(x|(λ)i)∝q0(x)exp(∑iλiSi(x))q(x|(λ)i)∝q0(x)exp⁡(∑iλiSi(x)) q(x| (\lambda)_i ) \propto q_0(x) \exp \left( \sum_i \lambda_i S_i(x) \right) パラメータ間の関係が (λi)(λi) (\lambda_i) 十分な統計の期待値： Eq(Si(x)|(λi))=∫Si(x)q0(x)exp(∑iλiSi(x))dx∫q0(x)exp(∑iλiSi(x))dxEq(Si(x)|(λi))=∫Si(x)q0(x)exp⁡(∑iλiSi(x))dx∫q0(x)exp⁡(∑iλiSi(x))dx E_q( S_i(x) | (\lambda_i) ) = \frac{\int S_i (x) q_0(x) \exp \left( \sum_i \lambda_i S_i(x) \right) dx}{ \int q_0(x) \exp \left( \sum_i \lambda_i S_i(x) \right) dx} …

7 mathematical-statistics  references  moments  exponential-family  geometry 

フォローアップとして 極座標方法、、分散されたときにとIF？θθ\theta(x,y)∼U(−1,1)×U(−1,1)(x,y)∼U(−1,1)×U(−1,1)(x,y) \sim U(-1,1) \times U(-1,1)(x,y)∼N(0,1)×N(0,1)(x,y)∼N(0,1)×N(0,1)(x,y) \sim N(0,1)\times N(0,1) 仮定どのようにしている及び分散しますか？(x,y,z)∼U(−10,10)×U(−10,10)×U(−10,10)(x,y,z)∼U(−10,10)×U(−10,10)×U(−10,10)(x,y,z) \sim U(-10,10) \times U(-10,10) \times U(-10,10)θθ\thetaϕϕ\phi が次のようになるのは、前の質問のすばらしい回答から明らかです。 θθ\theta しかし、なぜがで最大尤度を取得しないのですか？ϕϕ\phiϕ=π/4ϕ=π/4\phi = \pi/4 正規分布でを選択すると次の2つのpdfが得られます。x,y,zx,y,zx,y,z および分布の名前はどちらの場合にもありますか？私にとっては、区間分布のように見えます。θθ\thetaϕϕ\phiββ\beta[−90,90][−90,90][-90,90]

7 normal-distribution  matlab  pdf  uniform  geometry