Questions tagged «conditioning»

3
代数的条件期望的直觉
让是一个概率空间,给定一个随机变量和 -代数我们可以构造一个新的随机变量,这是条件期望值。(Ω,F,μ)(Ω,F,μ)(\Omega,\mathscr{F},\mu)ξ:Ω→Rξ:Ω→R\xi:\Omega \to \mathbb{R}σσ\sigmaG⊆FG⊆F\mathscr{G}\subseteq \mathscr{F}E[ξ|G]E[ξ|G]E[\xi|\mathscr{G}] 考虑的直觉到底是什么?我了解以下几点的直觉:E[ξ|G]E[ξ|G]E[\xi|\mathscr{G}] (i) 其中是一个事件(概率为正)。E[ξ|A]E[ξ|A]E[\xi|A]AAA (ii) 其中是离散随机变量。E[ξ|η]E[ξ|η]E[\xi|\eta]ηη\eta 但是我无法可视化。我了解它的数学原理,并且了解它的定义方式是概括我们可以看到的更简单的情况。但是,尽管如此,我认为这种思维方式没有用。它对我来说仍然是一个神秘的对象。E[ξ|G]E[ξ|G]E[\xi|\mathscr{G}] 例如,让为的事件。形成 -algebra,由生成。那么等于如果等于如果。换句话说,如果,而如果。AAAμ(A)>0μ(A)>0\mu(A)>0σσ\sigmaG={∅,A,Ac,Ω}G={∅,A,Ac,Ω}\mathscr{G} = \{ \emptyset, A, A^c, \Omega\}AAAE[ξ|G](ω)E[ξ|G](ω)E[\xi|\mathscr{G}](\omega)1μ(A)∫Aξ1μ(A)∫Aξ\frac{1}{\mu(A)} \int_A \xiω∈Aω∈A\omega \in A1μ(Ac)∫Acξ1μ(Ac)∫Acξ\frac{1}{\mu(A^c)} \int_{A^c} \xiω∉Aω∉A\omega \not \in AE[ξ|G](ω)=E[ξ|A]E[ξ|G](ω)=E[ξ|A]E[\xi|\mathscr{G}](\omega) = E[\xi|A]ω∈Aω∈A\omega\in AE[ξ|G](ω)=E[ξ|Ac]E[ξ|G](ω)=E[ξ|Ac]E[\xi|\mathscr{G}](\omega) = E[\xi|A^c]ω∈Acω∈Ac\omega \in A^c 令人困惑的部分是,所以为什么我们不只写?我们为什么要更换通过根据是否不,但不允许替换通过?è [ ξ | G ] (ω )= E [ ξ | Ω ] = …

3
关于费舍尔的确切测试:如果这位女士不知道第一个牛奶杯的数量,那么哪个测试合适?
在RA Fisher 著名的女士品尝茶实验中,该女士被告知有多少杯牛奶优先/茶优先的杯子(每8杯中有4杯)。这符合费舍尔精确检验的固定边际总假设。 我当时想和我的朋友一起做这个测试,但是这种想法震惊了我。如果女士能真正分辨出牛奶优先和茶优先杯子之间的区别,那么她应该能够算出牛奶优先/茶优先杯子的边际总量以及哪个是哪个。 因此,问题就来了:如果RA Fisher不告知女士牛奶第一杯和茶第一杯的总数,可以使用哪种测试?

4
抽牌后我期望的数字,直到获得ace,2、3等
我在解决以下问题时遇到了一些麻烦。 您可以从标准的52张卡片组中抽牌,而无需替换,直到获得一张A。您从剩余的剩余数中提取,直到得到2。继续进行3.整个甲板用完后,您期望的剩余数字是多少? 让它自然 Ti=first position of card whose value is iTi=first position of card whose value is iT_i = \text{first position of card whose value is }i Ui=last position of card whose value is iUi=last position of card whose value is iU_i = \text{last position of card whose value is …

1
对回归变量进行条件处理与将其视为固定条件有什么区别?
有时我们假设回归变量是固定的,即它们是非随机的。我认为这意味着我们所有的预测变量,参数估计等都是无条件的,对吧?我什至可能已经不再是随机变量了吗? 另一方面,如果我们接受经济学家所说的大多数回归变量是随机的,因为没有外界的力量在进行某种实验的基础上就决定了它们。然后,计量经济学家会根据这些随机回归变量进行调整。 这与将它们视为固定的有何不同? 我了解什么是调节。从数学上讲,这意味着我们将所有观察和推论都以该组特定的回归器为条件,并且没有雄心勃勃地说,如果我们看到回归器的实现不同,则推论,参数估计,方差估计等将是相同的。时间序列的症结所在,每个时间序列只能看到一次)。 但是,要真正掌握固定回归变量与随机回归变量的条件之间的区别,我想知道这里是否有人知道一个对固定回归变量有效但在随机回归时会分解的估计或推断过程的示例视情况而定)。 我期待看到这些示例!

1
总的来说,负二项式的分布是什么
如果 x1,x2,…,xnx1,x2,…,xnx_1, x_2, \ldots, x_n 都是负二项式,那么分布是什么 (x1,x2,…,xn)(x1,x2,…,xn)(x_1, x_2, \ldots, x_n) 给定 x1+x2+…+xn=Nx1+x2+…+xn=Nx_1 + x_2 + \ldots + x_n = N\quad? NNN 是固定的。 如果 x1,x2,…,xnx1,x2,…,xnx_1, x_2, \ldots, x_n 然后以总泊松为条件, (x1,x2,…,xn)(x1,x2,…,xn)(x_1, x_2, \ldots, x_n)是多项式。我不确定负二项式是否成立,因为它是泊松混合函数。 如果您想知道,这不是作业问题。
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.