Questions tagged «cdf»

我的统计专家基本上说过，如果给出以下三个之一，则可以找到其他两个： 累积分布函数 瞬间产生功能 概率密度函数 但是我的计量经济学教授说，CDF比PDF更基础，因为在某些示例中您可以拥有CDF，但未定义PDF。 CDF是否比PDF更基础？我如何知道可以从CDF导出PDF还是MGF？

43 probability  pdf  cdf  mgf 

长期以来，我不明白为什么两个随机变量的“和”是它们的卷积，而和的混合密度函数之和是f(x)f(x)f(x)g(x)g(x)g(x)pf(x)+(1−p)g(x)pf(x)+(1−p)g(x)p\,f(x)+(1-p)g(x); 算术和而不是它们的卷积。确切的短语“两个随机变量的总和”在Google中出现了146,000次，并且如下所示是椭圆形的。如果认为RV产生单个值，则可以将该单个值添加到另一个RV单个值，这与卷积无关，至少不是直接相关，所有都是两个数字的和。但是，统计数据中的RV结果是值的集合，因此更精确的短语类似于“来自两个RV的相关个体值对的协调总和的集合是它们的离散卷积”……并且可以通过以下方式近似：对应于那些RV的密度函数的卷积。更简单的语言： 2个RVnnn样本实际上是两个n维向量，它们相加作为向量和。 请详细说明两个随机变量的和如何是卷积和。

33 pdf  terminology  cdf  mixture  convolution 

我正在使用两个独立的正态分布和，均值和以及方差和。XXXÿÿYμXμX\mu_xμÿμÿ\mu_yσ2XσX2\sigma^2_xσ2ÿσÿ2\sigma^2_y 我对它们的比率的分布感兴趣。和的均值都不为零，因此不作为柯西分布。ž= X/ Yž=X/ÿZ=X/YXXXÿÿYžžZ 我需要找到的CDF ，然后对，，和取CDF的导数。žžZμXμX\mu_xμÿμÿ\mu_yσ2XσX2\sigma^2_xσ2ÿσÿ2\sigma^2_y 有人知道已经在哪里计算过的论文吗？还是我自己怎么做？ 我在1969年的一篇论文中找到了CDF的公式，但是采用这些导数无疑将是一个巨大的痛苦。也许有人已经做到了，或者知道如何轻松做到这一点？我主要需要了解这些衍生物的迹象。 如果主要为正，则本文还包含解析上更简单的近似值。我不能有那个限制。但是，即使在参数范围之外，近似值也可能具有与真实导数相同的符号？ÿÿY

28 distributions  normal-distribution  references  mathematical-statistics  cdf 

我正在阅读有关分位数功能的信息，但我不清楚。您能否提供比以下提供的更为直观的​​解释？ 由于cdf 是单调递增的函数，因此它具有反函数。让我们用F - 1来表示。如果˚F是的CDF X，然后˚F - 1（α ）是的值X α，使得P （X ≤ X α）= α ; 这称为F的α分位数。值F − 1（0.5 ）FFFF−1F−1F^{−1}FFFXXXF−1(α)F−1(α)F^{−1}(\alpha)xαxαx_\alphaP(X≤xα)=αP(X≤xα)=αP(X \le x_\alpha) = \alphaαα\alphaFFFF−1(0.5)F−1(0.5)F^{−1}(0.5)是分布的中位数，概率质量的一半在左侧，一半在右侧。值 和˚F - 1（0.75 ）是下和上四分位。F−1(0.25)F−1(0.25)F^{−1}(0.25)F−1(0.75)F−1(0.75)F^{−1}(0.75)

25 distributions  cdf  inverse-cdf  quantile-function 

已锁定。该问题及其答案被锁定，因为该问题是题外话，但具有历史意义。它目前不接受新的答案或互动。 我需要计算数据样本的累积分布函数。 R中是否有类似于hist（）的东西来测量累积密度函数？ 我尝试过ecdf（），但我听不懂逻辑。

23 r  distributions  cdf 

在给定CDF（累积分布函数）的情况下，如何找到分布的PDF（概率密度函数）？

23 distributions  pdf  cdf 

我正在学习经验累积分布函数。但是我还是不明白 为什么称其为“经验的”？ 经验CDF和CDF有什么区别？

21 distributions  terminology  cdf  ecdf 

我在这里读到，给定样本来自cdf的连续分布，该样本对应于X1,X2,...,XnX1,X2,...,Xn X_1,X_2,...,X_n FXFX F_X Ui=FX(Xi)Ui=FX(Xi) U_i = F_X(X_i) 遵循标准均匀分布。 我已经使用Python中的定性模拟对此进行了验证，并且我很容易就能验证这种关系。 import matplotlib.pyplot as plt import scipy.stats xs = scipy.stats.norm.rvs(5, 2, 10000) fig, axes = plt.subplots(1, 2, figsize=(9, 3)) axes[0].hist(xs, bins=50) axes[0].set_title("Samples") axes[1].hist( scipy.stats.norm.cdf(xs, 5, 2), bins=50 ) axes[1].set_title("CDF(samples)") 结果如下图： 我无法理解为什么会这样。我认为这与CDF的定义及其与PDF的关系有关，但是我缺少一些东西... 如果有人可以指点我阅读有关该主题的文章或帮助我获得对该主题的直觉，我将不胜感激。 编辑：CDF看起来像这样：

17 pdf  uniform  cdf  intuition 

pdf和pmf以及cdf是否包含相同的信息？ 对我来说，pdf将整个概率提供给某个点（基本上是该概率下的面积）。 pmf给出某一点的概率。 cdf给出特定点下的概率。 因此对我来说pdf和cdf具有相同的信息，但是pmf却没有，因为它给出了分布上某一点的概率x。

17 probability  distributions  pdf  inference  cdf 

我一直被告知CDF是唯一的，但是PDF / PMF不是唯一的，为什么呢？您能否举一个PDF / PMF不唯一的示例？

17 probability  distributions  pdf  cdf 

假设我有一个X未知分布的变量。在Mathematica中，通过使用SmoothKernelDensity函数，我们可以得到一个估计的密度函数。该估计的密度函数可以与PDF函数一起用于计算某个值的概率密度函数，例如X以PDF[density,X]“密度”为的形式表示SmoothKernelDensity。如果R中具有这样的功能，那将是很好的。这就是Mathematica中的工作方式 http://reference.wolfram.com/mathematica/ref/SmoothKernelDistribution.html 作为一个示例（基于Mathematica函数）： data = RandomVariate[NormalDistribution[], 100]; #generates 100 values from N(0,1) density= SmoothKernelDistribution[data]; #estimated density PDF[density, 2.345] returns 0.0588784 在这里您可以找到有关PDF的更多信息： http://reference.wolfram.com/mathematica/ref/PDF.html 我知道我可以density(X)在R中使用它绘制密度函数，并通过使用ecdf(X)它可以获得经验累积分布函数。基于我对Mathematica的描述，是否有可能在R中做同样的事情？ 任何帮助和想法表示赞赏。

17 r  pdf  cdf 

我试图确定我的连续数据数据集是否遵循参数shape 1.7和rate 0.000063 的伽马分布。====== 问题是，当我使用R来创建数据集对于理论分布伽玛（1.7，0.000063）的QQ图时，我得到了一个图，该图表明经验数据与伽玛分布大致相符。ECDF图也会发生相同的情况。xxx 但是，当我运行Kolmogorov-Smirnov检验时，它给了我&lt; 1 ％的不合理的值。ppp&lt; 1 ％&lt;1个％<1\% 我应该选择相信哪个？图形输出还是KS测试的结果？

16 pdf  kolmogorov-smirnov  cdf  qq-plot 

如果FZFZF_Z是CDF，则看起来FZ(z)αFZ(z)αF_Z(z)^\alpha（）也是CDF。α&gt;0α&gt;0\alpha \gt 0 问：这是标准结果吗？ Q：有一个很好的方法找到一个函数与 ST，其中gggX≡g(Z)X≡g(Z)X \equiv g(Z)FX(x)=FZ(z)αFX(x)=FZ(z)αF_X(x) = F_Z(z)^\alphax≡g(z)x≡g(z) x \equiv g(z) 基本上，我手头还有另一个CDF。从某种程度上讲，我想描述产生该CDF的随机变量的特征。FZ(z)αFZ(z)αF_Z(z)^\alpha 编辑：如果能得到特殊情况的分析结果，我会很高兴。或者至少知道这样的结果很棘手。Z∼N(0,1)Z∼N(0,1)Z \sim N(0,1)

15 data-transformation  cdf  quantile-function 

在glmnet内部caret使用搜索最佳lambda和cv.glmnet执行相同任务的比较中似乎有很多困惑。 提出了许多问题，例如： 分类模型train.glmnet与cv.glmnet？ 在插入符号中使用glmnet的正确方法是什么？ 使用`caret`交叉验证`glmnet` 但是没有给出答案，这可能是由于问题的可重复性。在第一个问题之后，我给出了一个非常相似的示例，但确实存在相同的问题：为什么估计的lambda如此不同？ library(caret) library(glmnet) set.seed(849) training &lt;- twoClassSim(50, linearVars = 2) set.seed(849) testing &lt;- twoClassSim(500, linearVars = 2) trainX &lt;- training[, -ncol(training)] testX &lt;- testing[, -ncol(testing)] trainY &lt;- training$Class # Using glmnet to directly perform CV set.seed(849) cvob1=cv.glmnet(x=as.matrix(trainX),y=trainY,family="binomial",alpha=1, type.measure="auc", nfolds = 3,lambda = seq(0.001,0.1,by = 0.001),standardize=FALSE) …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

如果标准普通PDF为f(x)=12π−−√e−x2/2f(x)=12πe−x2/2f(x) = \frac{1}{\sqrt{2\pi}} e^{-x^2/2} CDF为 F（x ）= 12个π--√∫X- ∞Ë− x2/ 2d X，F（X）=1个2π∫-∞XË-X2/2dX，F(x) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^x e^{-x^2/2}\mathrm{d}x\,, 这如何变成的误差函数？žžz

10 normal-distribution  cdf