タグ付けされた質問 「normal-distribution」

正規分布、つまりガウス分布には、対称的な鐘型の曲線である密度関数があります。これは、統計で最も重要な分布の1つです。[normality]タグを使用して、正常性のテストについて尋ねます。




2
正規分布の尖度が0ではなく3である理由
正規分布の尖度が3であるというステートメントの意味は何ですか。つまり、水平線では、3の値がピーク確率に対応することを意味します。つまり、3はシステムのモードです。 正常な曲線を見ると、ピークは中心、つまり0で発生しているように見えます。

1
特定の分散を持つ正規分布の二乗
正規分布確率変数の二乗分布は何であるX2バツ2X^2とX∼N(0,σ2/4)バツ〜N(0、σ2/4)X\sim N(0,\sigma^2/4)? 私が知っているχ2(1)=Z2χ2(1)=Z2\chi^2(1)=Z^2乗する際に有効な引数である標準正規分布は、しかし、どのような非単位分散の場合はどうですか?


1
中心極限定理と多数の法則
中央極限定理(CLT)に関する初心者の質問があります。 私は、CLTがiid確率変数の平均がほぼ正規分布している(場合、nは加数のインデックスである)か、標準化されたランダム変数は標準正規分布を持つと述べています。n→∞n→∞n \to \inftynnn 今、大数の法則は、iidランダム変数の平均が(確率またはほぼ確実に)期待値に収束すると言っています。 私が理解していないことは、CLTが述べているように、平均がほぼ正規分布している場合、同時にどのようにして期待値に収束することができますか? 収束は、時間とともに平均が期待値ではない値を取る確率がほぼゼロであることを意味します。したがって、分布は実際には正規ではなく、期待値以外のどこでもほぼゼロになります。 どんな説明でも大歓迎です。

3
正規分布の明確な間隔を評価する
正規分布のCDFの扱いやすい式は、その中に複雑なエラー関数があるため、いくらか欠けていることを知っています。 しかし、良い式があるのではないかと思います。または、この問題の「最先端」の近似値はどうなるでしょうか。N(c−≤x&lt;c+|μ,σ2)N(c−≤x&lt;c+|μ,σ2)N(c_{-} \leq x < c_{+}| \mu, \sigma^2)

5
なぜ比率の信頼区間を構築するためにt分布を利用しないのですか?
未知の母標準偏差(sd)を持つ平均の信頼区間(CI)を計算するには、t分布を使用して母標準偏差を推定します。なお、ここで。ただし、母集団の標準偏差のポイント推定値がないため、近似を使用して推定しここでCI=X¯±Z95%σX¯CI=X¯±Z95%σX¯CI=\bar{X} \pm Z_{95\% }\sigma_{\bar X}σX¯=σn√σX¯=σn\sigma_{\bar X} = \frac{\sigma}{\sqrt n}CI=X¯±t95%(se)CI=X¯±t95%(se)CI=\bar{X} \pm t_{95\% }(se)se=sn√se=snse = \frac{s}{\sqrt n} 対照的に、人口の割合については、CIを計算するために、として近似します。ここではおよびCI=p^±Z95%(se)CI=p^±Z95%(se)CI = \hat{p} \pm Z_{95\% }(se)se=p^(1−p^)n−−−−−√se=p^(1−p^)nse = \sqrt\frac{\hat{p}(1-\hat{p})}{n}np^≥15np^≥15n \hat{p} \ge 15n(1−p^)≥15n(1−p^)≥15n(1-\hat{p}) \ge 15 私の質問は、なぜ人口比率の標準分布に満足しているのですか?

1
多変量正規後部
これは非常に単純な質問ですが、インターネットまたは本のどこにも派生物が見つかりません。1つのベイジアンが多変量正規分布を更新する方法の導出を確認したいと思います。例:想像してみてください P(x|μ,Σ)P(μ)==N(μ,Σ)N(μ0,Σ0).P(x|μ,Σ)=N(μ,Σ)P(μ)=N(μ0,Σ0). \begin{array}{rcl} \mathbb{P}({\bf x}|{\bf μ},{\bf Σ}) & = & N({\bf \mu}, {\bf \Sigma}) \\ \mathbb{P}({\bf \mu}) &= & N({\bf \mu_0}, {\bf \Sigma_0})\,. \end{array} {\ bf x_1 ... x_n}のセットを観察した後、\ mathbb {P}({\ bf \ mu | x_1 ... x_n})x1...xnx1...xn{\bf x_1 ... x_n}を計算したいと思います。答えは\ mathbb {P}({\ bf \ mu | x_1 ... x_n})= …


3
サンプルが大きい場合にT分布を使用して平均を推定してみませんか?
基本統計コースでは、標本サイズnが大きい(通常は30または50を超える)場合に、正規分布を使用して母集団パラメーターの平均を推定することをお勧めします。スチューデントのT分布は、サンプルの標準偏差の不確実性を考慮して、より小さいサンプルサイズに使用されます。サンプルサイズが大きい場合、サンプルの標準偏差は母標準偏差に関する適切な情報を提供し、正規分布の推定を可能にします。わかった。 しかし、信頼区間を正確に取得できるのに、なぜ推定値を使用するのでしょうか?サンプルサイズに関係なく、T分布で正確に得られるものの単なる推定値である場合、正規分布を使用するポイントは何ですか?

1
多変量標準正規分布とガウスコピュラの違い
多変量標準正規分布とガウスコピュラの違いは、密度関数を見ると同じように見えるので、どのような違いがあるのでしょうか。 私の問題は、ガウスコピュラが導入される理由、ガウスコピュラが生成する利点、またはガウスコピュラが多変量標準正規関数そのものにすぎない場合のその優位性です。 また、コピュラの確率積分変換の背後にある概念は何ですか?コピュラは一様変数を持つ関数であることを知っています。なぜ均一でなければならないのですか?多変量正規分布のような実際のデータを使用して、相関行列を見つけてみませんか?(通常、2つの資産のリターンをプロットしてそれらの関係を検討しますが、コピュラの場合は、代わりに確率であるUsをプロットします。) 別の質問。また、MVNからの相関行列が、コピュラのようにノンパラメトリックまたはセミパラメトリックになる可能性があるかどうかも疑います(コピュラのパラメータはケンドールのタウなどになります) 私はこの分野で初めてなので、あなたの助けにとても感謝しています。(しかし、私は多くの論文を読んでおり、これらは私が理解していない唯一のものです)

1
2つの独立したランダム変数、正規およびカイ二乗の積のpdf
XとYが独立している場合、2つの独立したランダム変数XとYの積のpdfは何ですか?Xは正規分布、Yはカイ二乗分布です。 Z = XY 場合正規分布を有する およびは、自由度が カイ二乗分布 ここで、は単位ステップ関数です。XXXX∼N(μx,σ2x)X∼N(μx,σx2)X\sim N(\mu_x,\sigma_x^2) fX(x)=1σx2π−−√e−12(x−μxσx)2fX(x)=1σx2πe−12(x−μxσx)2f_X(x)={1\over\sigma_x\sqrt{2\pi}}e^{-{1\over2}({x-\mu_x\over\sigma_x})^2}YYYkkkY∼χ2kY∼χk2Y\sim \chi_k^2 fY(y)=y(k/2)−1e−y/22k/2Γ(k2)u(y)fY(y)=y(k/2)−1e−y/22k/2Γ(k2)u(y)f_Y(y)={y^{(k/2)-1}e^{-y/2}\over{2^{k/2}\Gamma({k\over2})}}u(y)u(y)u(y)u(y) とが独立している場合、のpdfはどうなりますか?ZZZXXXYYY 解決策を見つけるための一つの方法は、場合Rohatgiのよく知られた結果(1976、141頁)を使用することである連続的なRVののジョイントPDFである及びのPDF、である fXY(x,y)fXY(x,y)f_{XY}(x,y)XXXYYYZZZfZ(z)=∫∞−∞1|y|fXY(zy,y)dyfZ(z)=∫−∞∞1|y|fXY(zy,y)dyf_Z(z) = \int_{-\infty}^{\infty}{{1\over|y|}f_{XY}({z\over y},y)dy} なぜなら、とは独立している 積分を解く問題に直面する場所。誰でもこの問題で私を助けることができます。XXXYYYfXY(x,y)=fX(x)fY(y)fXY(x,y)=fX(x)fY(y)f_{XY}(x,y)=f_X(x)f_Y(y) fZ(z)=∫∞−∞1|y|fX(zy)fY(y)dyfZ(z)=∫−∞∞1|y|fX(zy)fY(y)dyf_Z(z) = \int_{-\infty}^{\infty}{{1\over|y|}f_{X}({z\over y})f_{Y}(y)dy} fZ(z)=1σx2π−−√12k/2Γ(k2)∫∞01|y|e−12(zy−μxσx)2y(k/2)−1e−y/2dyfZ(z)=1σx2π12k/2Γ(k2)∫0∞1|y|e−12(zy−μxσx)2y(k/2)−1e−y/2dyf_Z(z) = {1\over\sigma_x\sqrt{2\pi}}{1\over{2^{k/2}\Gamma({k\over2})}}\int_{0}^{\infty}{{1\over|y|}e^{-{1\over2}({{z\over y}-\mu_x\over\sigma_x})^2} {y^{(k/2)-1}e^{-y/2}}dy} ∫∞01|y|e−12(zy−μxσx)2y(k/2)−1e−y/2dy∫0∞1|y|e−12(zy−μxσx)2y(k/2)−1e−y/2dy\int_{0}^{\infty}{{1\over|y|}e^{-{1\over2}({{z\over y}-\mu_x\over\sigma_x})^2} {y^{(k/2)-1}e^{-y/2}}dy} これを解決する代替方法はありますか?

3
新しいデータによるベイジアン更新
n個のデータポイントを観察した後、事前のN〜(a、b)で事後を計算するにはどうすればよいですか?データポイントのサンプル平均と分散を計算し、事後と事前を結合する何らかの計算を行う必要があると思いますが、結合式がどのように見えるかはよくわかりません。

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.