Questions tagged «cauchy»

柯西分布是一种对称密度,等于一个自由度的t分布。不存在柯西分布的期望和方差。参见https://en.wikipedia.org/wiki/Cauchy_distribution


1
半柯西分布的性质是什么?
我目前正在研究一个问题,我需要为状态空间模型开发马尔可夫链蒙特卡罗(MCMC)算法。 为了能够解决该问题,我给了以下概率:p()= 2I( > 0)/(1+)。是的标准偏差。ττ\tauττ\tauττ\tauτ2τ2\tau^2ττ\tauxxx 所以现在我知道这是一个半Cauchy分布,因为我从查看示例中就知道了它,并且因为有人告诉我。但是我不完全理解为什么它是一个“半Cauchy”发行版以及附带的属性。 在属性方面,我不确定我想要什么。我对这种计量经济学理论还很陌生。因此,对我而言,更多的是了解分布以及如何在状态空间模型上下文中使用它。模型本身看起来像这样: ytxt+1at+1p(σ2)p(τ)=xt+et=xt+at + 1∼ N(0 ,τ2)∝ 1 /σ2=2I(τ> 0)π(1 + τ2)yŤ=XŤ+ËŤXŤ+1个=XŤ+一种Ť+1个一种Ť+1个〜 ñ(0,τ2)p(σ2)∝1个/σ2p(τ)=2一世(τ>0)π(1个+τ2)\begin{align} y_t &= x_t + e_t \\ x_{t+1} &= x_t + a_{t+1} \\[10pt] a_{t+1} &\sim ~ N(0, \tau^2) \\ p(\sigma^2) &\propto 1/\sigma^2 \\[3pt] p(\tau) &= \frac{2I(\tau>0)}{\pi(1+\tau^2)} \end{align} 编辑:我在p()中包含。感谢您指出这一点。ππ\piττ\tau



2
柯西分布是某种“不可预测的”分布吗?
柯西分布是某种“不可预测的”分布吗? 我试着做 cs <- function(n) { return(rcauchy(n,0,1)) } 在R中获得了多个n值,并注意到它们有时会生成非常不可预测的值。 比较一下例如 as <- function(n) { return(rnorm(n,0,1)) } 这似乎总是给点“紧凑”的云。 通过这张图片,它应该看起来像正态分布吗?然而,它可能仅适用于一部分价值。还是诀窍在于,柯西标准偏差(如下图所示)收敛得更慢(左右方向),因此尽管概率较低,但允许更严重的离群值? 这里是正常rv,cs是柯西rv。 但是,由于异常值的极端,Cauchy pdf的尾部可能永远不会收敛吗?

2
柯西分布的样本均值的分布是什么?
通常,当一个人获得某分布的随机样本平均值(样本大小大于30)时,便会获得以平均值为中心的正态分布。但是,我听说柯西分布没有平均值。获取柯西分布的样本均值时,将获得什么分布? 基本上,对于柯西分布,是未定义的,那么是什么,的分布是什么?μ ˉ X ˉ Xμxμx\mu_xμx¯μx¯\mu_{\bar{x}}x¯x¯\bar{x}
14 cauchy 

1
Cauchy分布中的位置参数的MLE
居中后,可以将两个测量值x和-x假定为具有概率密度函数的柯西分布的独立观测值: 1F(x :θ )=f(x:θ)=f(x :\theta) = ,-∞&lt;x&lt;∞1个π(1 + (X - θ )2)1π(1+(x−θ)2)1\over\pi (1+(x-\theta)^2) ,- ∞ &lt; X &lt; ∞,−∞&lt;x&lt;∞, -∞ < x < ∞ 表明,如果的MLE θ是0,但如果X 2 &gt; 1有两个MLE的θ,等于± √X2≤ 1x2≤1x^2≤ 1θθ\thetaX2&gt; 1x2&gt;1x^2>1θθ\thetaX2− 1-----√x2−1\sqrt {x^2-1} 我认为要找到MLE,必须区分对数可能性: =Σ2(X我-θ)d升dθdldθdl\over d\theta = ∑=∑=\sum =2(-X-θ)2 (x一世- θ )1 + (x一世- θ )22(xi−θ)1+(xi−θ)22(x_i-\theta)\over 1+(x_i-\theta)^2 === …

5
如何在大量数据点中进行值的插补?
我的数据集非常大,大约缺少5%的随机值。这些变量相互关联。以下示例R数据集只是一个具有虚拟相关数据的玩具示例。 set.seed(123) # matrix of X variable xmat &lt;- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) &lt;- paste ("M", 1:10000, sep ="") rownames(xmat) &lt;- paste("sample", 1:200, sep = "") #M variables are correlated N &lt;- 2000000*0.05 # 5% random missing values inds &lt;- round ( runif(N, 1, length(xmat)) …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

1
除柯西以外,是否还有其他样本的算术平均值遵循相同分布的分布?
如果遵循柯西分布然后Ŷ = ˉ X = 1XXX也遵循与X完全相同的分布;看到这个线程。ÿ= X¯= 1ñ∑ñ我= 1X一世ÿ=X¯=1个ñ∑一世=1个ñX一世Y = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX 这个属性有名字吗? 还有其他分布是真的吗? 编辑 提出此问题的另一种方式: 令为概率密度为f (x )的随机变量。XXXF(x )F(X)f(x) 令,其中X我表示的第i个观察X。ÿ= 1ñ∑ñ我= 1X一世ÿ=1个ñ∑一世=1个ñX一世Y=\frac 1 n\sum_{i=1} ^n X_iX一世X一世X_iXXX 本身可以视为随机变量,而无需以 X的任何特定值为条件。ÿÿYXXX 如果遵循柯西分布,则Y的概率密度函数为f (x )XXXÿÿYF(x )F(X)f(x) 是否存在其他类型的(非平凡*)概率密度函数,从而导致Y具有f (x )概率密度函数?F(x )F(X)f(x)ÿÿYF(x )F(X)f(x) *我能想到的唯一简单的例子是狄拉克三角洲。即不是随机变量。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.