asymptotics पर टैग किए गए जवाब

एसिम्प्टोटिक सिद्धांत, अनुमानकों के गुणों का अध्ययन करता है और जब आँकड़ों का परीक्षण करता है, तो नमूना आकार अनंतता के करीब पहुंचता है।

1
की MLE है
मान लीजिए ( एक्स), वाई)(X,Y)(X,Y) में पीडीएफ है चθ( एक्स , वाई) = ई- ( एक्स / θ + θ y)1x > 0 , y> 0,θ > ०fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 नमूना का घनत्व ( एक्स , वाई ) = ( एक्स )मैं, वाईमैं)1 ≤ i ≤ n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} …

4
कैसे समझा जाता है कि एक निष्पक्ष अनुमान लगाने वाला एक झूठ बोलने वाले के लिए क्या है?
मान लीजिए के लिए एक निष्पक्ष आकलनकर्ता है । फिर, । θई[ θ |θ]=θθ^θ^\hat{\theta}θθ\thetaई [ θ^| Θ ] = θE[θ^∣θ]=θ\mathbb{E}[\hat{\theta} \mid \theta] = \theta एक व्यक्ति को यह कैसे समझाया जाता है? अतीत में, मैंने जो कहा है वह यह है कि यदि आप नमूने के आकार को बड़ा पाते …

2
Infill Asymptotics की गणितीय परिभाषा
मैं एक पेपर लिख रहा हूं जो infill asymptotics का उपयोग करता है और मेरे एक समीक्षक ने मुझे एक गणितीय गणितीय परिभाषा प्रदान करने के लिए कहा है कि infill asymptotics क्या है (यानी, गणित के प्रतीकों और अंकन के साथ)। मैं साहित्य में कोई खोज नहीं कर सकता …

2
पियर्सन के ची स्क्वैयरेड स्टैटिस्टिक अनुमानित एक ची स्क्वेरड वितरण कैसे करता है
इसलिए यदि पियर्सन के ची स्क्वेरड स्टैटिस्टिक को तालिका के लिए दिया जाता है , तो इसका रूप है:1×N1×N1 \times N ∑i=1n(Oi−Ei)2Ei∑i=1n(Oi−Ei)2Ei\sum_{i=1}^n\frac{(O_i - E_i)^2}{E_i} इसके बाद यह , ची-चुकता वितरण को डिग्री स्वतंत्रता के साथ अनुमानित करता है, क्योंकि नमूना आकार बड़ा हो जाता है। χ2n−1χn−12\chi_{n-1}^2n−1n−1n-1NNN मुझे समझ में नहीं …

2
क्या घनत्व के आकलन के लिए जलने के बाद MCMC पुनरावृत्तियों का उपयोग किया जा सकता है?
बर्न-इन के बाद, क्या हम घनत्व के आकलन के लिए सीधे MCMC पुनरावृत्तियों का उपयोग कर सकते हैं, जैसे कि हिस्टोग्राम, या कर्नेल घनत्व आकलन की साजिश रचने से? मेरी चिंता यह है कि MCMC पुनरावृत्तियों आवश्यक रूप से स्वतंत्र नहीं हैं, हालांकि वे सबसे अधिक पहचान वाले वितरित हैं। …

1
एक अनंत यादृच्छिक ज्यामितीय ग्राफ में यादृच्छिक रूप से चलने वाले रोबोट की घनत्व
एक अनंत यादृच्छिक ज्यामितीय ग्राफ पर विचार करें जिसमें नोड स्थान घनत्व साथ एक पॉइज़न बिंदु प्रक्रिया का पालन करते हैं और किनारों को नोड्स के बीच रखा जाता है जो डी के करीब हैं । इसलिए, किनारों की लंबाई निम्नलिखित पीडीएफ का पालन करती है:ρρ\rhoddd f(l)={2ld2l≤d0l>df(l)={2ld2l≤d0l>d f(l)= \begin{cases} \frac{2 …

4
बहुपद का विषम वितरण
मैं डी परिणामों पर बहुराष्ट्रीय वितरण के सीमित वितरण की तलाश कर रहा हूं। IE, निम्नलिखित का वितरण लिमn → ∞n- 12एक्सnlimn→∞n−12Xn\lim_{n\to \infty} n^{-\frac{1}{2}} \mathbf{X_n} जहाँ एक्सnXn\mathbf{X_n} एक वेक्टर वैल्यू रैंडम वैरिएबल है जिसमें घनत्व के साथ चn( x )fn(x)f_n(\mathbf{x}) for एक्सx\mathbf{x} ऐसा है कि Σमैंएक्समैं= एन∑ixi=n\sum_i x_i=n , एक्समैं∈ …

1
एसिम्प्टोटिक कोवरियनस मैट्रिक्स क्या है?
क्या यह सच है कि एसिम्प्टोटिक कोवरियन मैट्रिक्स पैरामीटर अनुमानों के कोवरियन मैट्रिक्स के बराबर है? यदि नहीं, तो यह क्या है? और उस मामले में सहसंयोजक मैट्रिक्स और एसिम्प्टोटिक सहसंयोजक मैट्रिक्स के बीच क्या अंतर है? अग्रिम में धन्यवाद!

1
भारी पूंछ वाले वितरण के क्रम सांख्यिकीय की विषमता सामान्यता
पृष्ठभूमि: मेरे पास एक नमूना है जिसे मैं एक भारी पूंछ वाले वितरण के साथ मॉडल करना चाहता हूं। मेरे पास कुछ चरम मूल्य हैं, जैसे कि टिप्पणियों का प्रसार अपेक्षाकृत बड़ा है। मेरा विचार यह था कि मैं इसे सामान्यीकृत पारेतो वितरण के साथ जोड़ूं, और इसलिए मैंने यह …

1
एक निरंतरता के लिए संभाव्यता में अभिसरण अनुकरण
कंप्यूटर सिमुलेशन द्वारा एसिम्प्टोटिक परिणाम साबित नहीं किए जा सकते हैं , क्योंकि वे अनन्तता की अवधारणा से जुड़े बयान हैं। लेकिन हमें यह समझने में सक्षम होना चाहिए कि चीजें वास्तव में उस तरह से मार्च करती हैं जो सिद्धांत हमें बताता है। सैद्धांतिक परिणाम लिमn → ∞पी( -)एक्सn| …

1
क्षण नहीं होने पर CLT का उदाहरण
पर विचार करेंXn=⎧⎩⎨1−12kw.p. (1−2−n)/2w.p. (1−2−n)/2w.p. 2−k for k>nXn={1w.p. (1−2−n)/2−1w.p. (1−2−n)/22kw.p. 2−k for k>nX_n = \begin{cases} 1 & \text{w.p. } (1 - 2^{-n})/2\\ -1 & \text{w.p. } (1 - 2^{-n})/2\\ 2^k & \text{w.p. } 2^{-k} \text{ for } k > n\\ \end{cases} मुझे यह दिखाने की आवश्यकता है कि भले ही …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.