タグ付けされた質問 「mean」

確率変数の期待値。または、サンプルの位置メジャー。

3
中央値>モード>平均>範囲
私の質問は、中央値がモードよりも大きく、モードが平均よりも大きく、平均が範囲よりも大きくなることを可能にする一連のデータはありますか?もしそうなら、この状況を可能にするパターンまたはデータセットの特定の特性はありますか(多分ある種の歪度...)? PS私はタイプミスを修正しました。すでに与えられた回答のいくつかは、中央値が反対の状況に関連しています

2
ベータの平均の標本分布
私たちは持っていると言います X∼Beta(α,β)X∼Beta(α,β)X \sim \text{Beta}(\alpha, \beta)。その標本の標本分布はどういう意味ですか? つまり、サンプルが意味する分布とは X¯X¯\bar{X} ベータフォローの?

3
ビン化されたデータを使用した指数分布のパラメーターの推定
指数分布でモデル化できる次のデータがあります Time 0-20 20-40 40-60 60-90 90-120 120-inf Frequency 41 19 16 13 9 2 データが指数分布に従うかどうかをテストするために、カイ2乗検定統計量を使用します。しかし、このためにラムダも計算する必要があります()。ML E=1バツ¯MLE=1X¯MLE = \frac{1}{\bar X} したがって、私の質問は、最後の間隔が120から無限大の場合、間隔の中間点をどのように選択すればよいですか。



1
表示とを独立している:この教科書の問題に対する解決策を求めています
では一般化線形モデルへの紹介は以下のようドブソンとバーネットによって、運動1.4b&Cは次のようになります。 ましょう独立したランダム分布と各変数である。およびましょう。...Y1,...,YnY1,...,YnY_1,...,Y_nN(μ,σ2)N(μ,σ2)N(\mu,\sigma^2)Y¯¯¯¯=1n∑ni=1YiY¯=1n∑i=1nYi\overline{Y}=\frac{1}{n}\sum_{i=1}^{n}Y_iS2=1n−1∑ni=1(Yi−Y¯¯¯¯)2S2=1n−1∑i=1n(Yi−Y¯)2S^2=\frac{1}{n-1}\sum_{i=1}^{n}(Y_i-\overline{Y})^2 b。示すことS2=1n−1[∑ni=1(Yi−μ)2−n(Y¯¯¯¯−μ)2]S2=1n−1[∑i=1n(Yi−μ)2−n(Y¯−μ)2]S^2 = \frac{1}{n-1}[\sum_{i=1}^{n}(Y_i-\mu)^2-n(\overline{Y}-\mu)^2] c。(b)から、。これにより、どのようにしてとが独立していると推測できますか?∑(Yi−μ)2/σ2=(n−1)S2/σ2+[(Y¯¯¯¯−μ)2n/σ2]∑(Yi−μ)2/σ2=(n−1)S2/σ2+[(Y¯−μ)2n/σ2]\sum(Y_i-\mu)^2/\sigma^2 = (n-1)S^2/\sigma^2+[(\overline{Y}-\mu)^2n/\sigma^2] Y¯¯¯¯Y¯\overline{Y} S2S2S^2 私の問題は、cの式で太字の質問にどのように答えられるかわからないことです。 私は2つが一般に独立していることを証明する方法を知っています(以前に尋ねられました)。 さらに、私が解決策を見ると、彼らは言う: (c)と(d)はp.10の結果から続きます 10ページの使用の最も近いものは、カイ二乗分布の生殖財産であり、ない場合にのみif文なので、私はそれがここで使用することができないと思います。 だから私の質問は、c)の方程式が独立性を証明するのにどのように役立つのですか?

1
テストするかどうかの背後にある理論
仮定 Xi∼i.i.d.N(μ,σ2)Xi∼i.i.d.N(μ,σ2)X_i \stackrel{\mbox{i.i.d.}}{\sim} \mathcal{N} (\mu, \sigma^2)、 どこ σ2σ2\sigma^2知られている。このデータを使用して、μ∈Qμ∈Q\mu \in \mathbb{Q}、つまり、平均かどうか μμ\mu 有理数です。 ノイズが多すぎるため、これを実行できないことは直感的に明らかです。どのようなテストでもタイプIIのエラー率になると思いますβ=0β=0\beta = 0 タイプIのエラー率 α=1α=1\alpha = 1またはその逆。しかし、私はこの仮説検定問題について理論的な説明をする方法を理解していません。この問題は、テストが「難しい」場合を示すより一般的なフレームワークにどのように当てはまりますか?

1
ベータ分布の部分的な期待値(切り捨てられたベータの平均)を計算する方法は?
ベータ分布がa = 2、b = 3の場合、区間[0、1] = a /(a + b)= 2/5 = 0.4および中央値=(a- 1/3)/(a + b-2 / 3)= 0.39、近いです。 私はpythonの解決策を探しています。scipy.stats.betaを使用して、間隔[ 0、0.4 ]の中央値をパーセントポイント関数で計算できます(cdfの逆数-パーセンタイル): beta.ppf(0.4/2,a,b) = 0.2504 このベータ分布では、全体の平均と中央値が近いため(それぞれ0.4と0.39)、間隔[0、0.4]の中央値を使用して、間隔[0、0.4]の期待値(平均)を推定します。 間隔[0、0.4]の期待値(平均)を計算する方法はありますか?

1
画像データのゼロ平均と単位分散とは何ですか?
ディープラーニングは初めてです。いくつかの概念を理解しようとしています。「平均」は平均値であり、「分散」は平均からの偏差です。いくつかの研究論文を読んだことがありますが、いずれも最初にデータを前処理すると言っています。しかし、これらの概念は画像の前処理とどのように関連していますか?これらの概念が画像データの前処理として使用されるのはなぜですか? 実際、これらの手法が分類にどのように寄与するかを理解できません。Googleで検索しましたが、説明が少ないキーワードで検索されている可能性があります 。
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.