คำถามติดแท็ก cauchy

การแจกแจงแบบ Cauchy คือความหนาแน่นแบบสมมาตรซึ่งเท่ากับการแจกแจง t โดยมีอิสระหนึ่ง ไม่มีความคาดหวังและความแปรปรวนของการแจกแจงแบบ cauchy ดู https://en.wikipedia.org/wiki/Cauchy_distribution

10
ทำไมการแจกแจงโคชีจึงไม่มีความหมาย?
จากฟังก์ชันความหนาแน่นของการกระจายเราสามารถระบุค่าเฉลี่ย (= 0) สำหรับการแจกแจงโคชีเช่นเดียวกับกราฟด้านล่างที่แสดง แต่ทำไมเราถึงบอกว่าการกระจาย Cauchy นั้นไม่มีความหมายเลย?

1
คุณสมบัติของการกระจายครึ่ง Cauchy คืออะไร?
ขณะนี้ฉันกำลังทำงานกับปัญหาซึ่งฉันจำเป็นต้องพัฒนาอัลกอริทึมMarkov chain Monte Carlo (MCMC) สำหรับแบบจำลองพื้นที่ของรัฐ เพื่อให้สามารถแก้ปัญหาได้ฉันได้รับความน่าจะเป็น : p ( ) = 2I ( > 0) / (1+ ) เป็นค่าเบี่ยงเบนมาตรฐานของxττ\tauττ\tauττ\tauτ2τ2\tau^2ττ\tauxxx ตอนนี้ฉันรู้แล้วว่ามันคือการแจกแจงครึ่งโคชีเพราะฉันจำได้จากการดูตัวอย่างและเพราะฉันถูกบอกอย่างนั้น แต่ฉันไม่เข้าใจว่าทำไมมันถึงเป็นการกระจาย "Half-Cauchy" และคุณสมบัติที่มาพร้อมกับมัน ในแง่ของคุณสมบัติฉันไม่แน่ใจว่าสิ่งที่ฉันต้องการ ฉันค่อนข้างใหม่สำหรับทฤษฎีเศรษฐมิติประเภทนี้ ดังนั้นฉันจึงเข้าใจการกระจายตัวและวิธีที่เราใช้ในบริบทของแบบจำลองพื้นที่ของรัฐ ตัวแบบมีลักษณะดังนี้: Yเสื้อxt + 1at + 1p ( σ2)p ( τ)= xเสื้อ+ eเสื้อ= xเสื้อ+ at + 1∼ N ( 0 , τ2)∝ 1 / …


1
Cauchy Distribution และทฤษฎีขีด จำกัด กลาง
เพื่อให้ CLT ที่จะถือเราต้องกระจายเราต้องการที่จะใกล้เคียงกับที่จะมีค่าเฉลี่ยและความแปรปรวน จำกัด 2 มันจะเป็นจริงที่จะบอกว่าสำหรับกรณีของการกระจาย Cauchy ค่าเฉลี่ยและความแปรปรวนที่ไม่ได้กำหนดทฤษฎีบทขีด จำกัด กลางล้มเหลวในการให้การประมาณที่ดีแม้ asymptotically?μμ\muσ2σ2\sigma^2

2
การแจกจ่ายของ Cauchy เป็นการกระจายที่“ คาดเดาไม่ได้” อย่างใดหรือไม่?
การแจกจ่าย Cauchy เป็นอย่างใดอย่างหนึ่งการกระจาย "ไม่แน่นอน"? ฉันพยายามทำ cs <- function(n) { return(rcauchy(n,0,1)) } ใน R สำหรับค่า n จำนวนมากและสังเกตว่าพวกเขาสร้างค่าที่ไม่แน่นอนค่อนข้างเป็นครั้งคราว เปรียบเทียบกับ as <- function(n) { return(rnorm(n,0,1)) } ซึ่งมักจะให้คะแนนแบบ "กะทัดรัด" โดยรูปนี้มันควรมีลักษณะการกระจายตัวแบบปกติหรือไม่ แต่มันอาจจะเป็นเพียงส่วนหนึ่งของค่า หรืออาจเป็นกลอุบายก็คือการเบี่ยงเบนมาตรฐานของ Cauchy (ในรูปด้านล่าง) มาบรรจบกันช้ากว่ามาก (ไปทางซ้ายและขวา) และทำให้มีค่าผิดปกติที่รุนแรงมากขึ้นแม้ว่าจะมีความน่าจะเป็นต่ำ? นี่คือ rvs ปกติและ cs คือ Cauchy rvs แต่ด้วยปลายสุดของค่าผิดปกติเป็นไปได้ไหมที่ส่วนท้ายของ Cauchy pdf ไม่เคยมาบรรจบกัน?

2
การกระจายตัวของตัวอย่างหมายถึงการกระจาย Cauchy คืออะไร?
โดยทั่วไปแล้วเมื่อหนึ่งใช้ค่าเฉลี่ยตัวอย่างแบบสุ่มของการกระจาย (ที่มีขนาดตัวอย่างมากกว่า 30) หนึ่งได้รับการกระจายปกติอยู่ตรงกลางรอบค่าเฉลี่ย อย่างไรก็ตามฉันได้ยินว่าการแจกจ่าย Cauchy นั้นไม่มีคุณค่า การกระจายแบบใดที่ได้รับเมื่อได้รับค่าเฉลี่ยตัวอย่างของการแจกแจงโคชี โดยทั่วไปสำหรับการแจกจ่าย Cauchyไม่ได้ถูกกำหนดดังนั้นคืออะไรและการกระจายของ\ bar {x}คืออะไร?μxμx\mu_xμx¯μx¯\mu_{\bar{x}}x¯x¯\bar{x}
14 cauchy 

1
MLE ของพารามิเตอร์ตำแหน่งในการแจกแจง Cauchy
หลังจากอยู่ตรงกลางทั้งสองวัด x และ −xสามารถสันนิษฐานได้ว่าเป็นอิสระจากการสังเกต Cauchy กระจายด้วยฟังก์ชันความหนาแน่นของความน่าจะเป็น: ฉ( x : θ ) =f(x:θ)=f(x :\theta) = ,-∞&lt;x&lt;∞1π( 1 + ( x - θ )2)1π(1+(x−θ)2)1\over\pi (1+(x-\theta)^2) , - ∞ &lt; x &lt; ∞,−∞&lt;x&lt;∞, -∞ < x < ∞ แสดงให้เห็นว่าถ้า MLE ของเป็น 0 แต่ถ้ามีสองแห่งคือเท่ากับ±θ x 2 &gt; 1 θ √x2≤ 1x2≤1x^2≤ 1θθ\thetax2&gt; 1x2&gt;1x^2>1θθ\thetax2- 1-----√x2−1\sqrt …

5
จะทำการใส่ค่าในจุดข้อมูลจำนวนมากได้อย่างไร?
ฉันมีชุดข้อมูลที่มีขนาดใหญ่มากและมีค่าสุ่มประมาณ 5% หายไป ตัวแปรเหล่านี้มีความสัมพันธ์ซึ่งกันและกัน ตัวอย่างชุดข้อมูล R ต่อไปนี้เป็นเพียงตัวอย่างของเล่นที่มีข้อมูลที่สัมพันธ์กันจำลอง 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 …
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
มีการแจกแจงอื่นที่ไม่ใช่ Cauchy ซึ่งค่าเฉลี่ยเลขคณิตของตัวอย่างตามการแจกแจงเดียวกันหรือไม่?
ถ้าเป็นไปตามการแจกแจงแบบ Cauchy ดังนั้นยังตามด้วยการกระจายตัวแบบเดียวกับ ; ดูกระทู้นี้Y = ˉ X = 1XXXXY=X¯=1n∑ni=1XiY=X¯=1nΣผม=1nXผมY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX สถานที่ให้บริการนี้มีชื่อหรือไม่? มีการแจกแจงอื่น ๆ ซึ่งสิ่งนี้เป็นจริงหรือไม่? แก้ไข วิธีถามคำถามนี้อีกวิธี: ให้เป็นตัวแปรสุ่มที่มีความหนาแน่นของความน่าจะเป็น(x)f ( x )XXXf(x)ฉ(x)f(x) ให้ที่หมายถึงการสังเกต ith ของXXฉันXY=1n∑ni=1XiY=1nΣผม=1nXผมY=\frac 1 n\sum_{i=1} ^n X_iXiXผมX_iXXX YYYตัวเองถือได้ว่าเป็นตัวแปรสุ่มโดยไม่ต้องเครื่องกับค่าที่เฉพาะเจาะจงใด ๆ ของXXXX ถ้าตามการกระจาย Cauchy ดังนั้นฟังก์ชันความหนาแน่นของความน่าจะเป็นของคือY f ( x )XXXYYYf(x)ฉ(x)f(x) มีฟังก์ชั่นความหนาแน่นของความน่าจะเป็นแบบอื่น ๆ (ไม่ใช่เล็กน้อย) สำหรับที่ส่งผลให้มีฟังก์ชันความหนาแน่นของความน่าจะเป็นหรือไม่?Y f ( x …

1
ผลรวมของตัวแปรสุ่ม Cauchy อิสระจำนวนมากปกติหรือไม่
ตามทฤษฎีบทขีด จำกัด กลางฟังก์ชันความหนาแน่นของความน่าจะเป็นของผลรวมของตัวแปรสุ่มอิสระขนาดใหญ่มีแนวโน้มที่จะเป็นปกติ ดังนั้นเราสามารถพูดได้ว่าผลรวมของตัวแปรสุ่ม Cauchy อิสระจำนวนมากนั้นเป็นปกติหรือไม่
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.