প্রশ্ন ট্যাগ «umvue»

5
কেন আমরা ব্যবহার করছেন পক্ষপাতিত্ব এবং জন্য স্ট্যানডার্ড ডেভিয়েশন সূত্র বিভ্রান্তিকর
এটি আমার কাছে প্রথমবারের মতো একটি সাধারণ বিতরণ মন্টি কার্লো সিমুলেশন করার সময় একটি ধাক্কা হিসাবে আসে এবং আবিষ্কার করে যে নমুনা থেকে স্ট্যান্ডার্ড বিচ্যুতির মধ্যস্থতা, যা কেবলমাত্র নমুনা আকারের , খুব কম প্রমাণিত হয়েছে পরিবর্তে, অর্থাত, গড় বার জনসংখ্যা জেনারেট করার জন্য ব্যবহার করা হয়। যাইহোক, এটি খুব ভালভাবে …

2
পিডিএফ
ধরুন X1,X2,...,XnX1,X2,...,XnX_1, X_2,...,X_n থেকে N(μ,σ2)N(μ,σ2)N(\mu,\sigma^2) সাথে অজানা μ∈Rμ∈R\mu \in \mathcal R এবং σ2>0σ2>0\sigma^2>0 যাক Z=X1−X¯S,Z=X1−X¯S,Z=\frac{X_1-\bar{X}}{S},এস হ'ল মানক বিচ্যুতি। এটি দেখানো যেতে পারে যে ZZZ লেবেসগু পিডিএফ রয়েছে f(z)=n−−√Γ(n−12)π−−√(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n√)(|Z|)f(z)=nΓ(n−12)π(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n)(|Z|)f(z)=\frac{\sqrt{n} \Gamma\left(\frac{n-1}{2}\right)}{\sqrt{\pi}(n-1)\Gamma\left(\frac{n-2}{2}\right)}\left[1-\frac{nz^2}{(n-1)^2}\right]^{n/2-2}I_{(0,(n-1)/\sqrt{n})}(|Z|) আমার প্রশ্ন তাহলে এই পিডিএফ কিভাবে পাব? প্রশ্ন থেকে এখানে এর UMVUE এটি উদাহরণ 3.3.4 মধ্যে P(X1≤c)P(X1≤c)P(X_1 \le c) । আমি …
15 self-study  umvue 

2
প্যারামিটার অনুমানের কোন পদ্ধতিটি নির্বাচন করব তা আমি কীভাবে জানতে পারি?
প্যারামিটার অনুমানের জন্য বেশ কয়েকটি পদ্ধতি রয়েছে। এমএলই, উমভিউ, এমওএম, সিদ্ধান্ত-তাত্ত্বিক এবং অন্যান্য সকলের কাছে মনে হয় যে তারা পরামিতি অনুমানের জন্য কেন কার্যকর for অন্যদের চেয়ে যে কোনও একটি পদ্ধতি ভাল, বা এটি "বেস্ট ফিটিং" অনুমানকারী কী হিসাবে সংজ্ঞায়িত করা যায় (অরথোগোনাল ত্রুটিগুলি হ্রাস করার সাথে একটি সাধারণ ন্যূনতম …

1
UMVUE অস্তিত্ব ও এর মূল্নির্ধারক পছন্দমত উপর মধ্যে জনসংখ্যা
আসুন জনসংখ্যার যেখানে drawn থেকে আঁকা একটি এলোমেলো নমুনা হোক ।(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R আমি UMVUE সন্ধান করছি ।θθ\theta যুগ্ম ঘনত্ব হয়(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , যেখানে এবং ।এইচ(এক্স)=1g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf x)=1 এখানে, উপর নির্ভর করে এবং এর মাধ্যমে এবং স্বাধীন । …

1
অনন্য MVUE সন্ধান করুন
এই প্রশ্নটি রবার্ট হগের গাণিতিক পরিসংখ্যানের 6th ষ্ঠ সংস্করণের সমস্যা সম্পর্কিত পৃষ্ঠা থেকে page.৪.৯ পৃষ্ঠায় is যাক IID সঙ্গে পিডিএফ হতে শূন্য অন্যত্র, যেখানে ।X1,...,XnX1,...,XnX_1,...,X_nf(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 (ক) MLE খুঁজুন এরθ^θ^\hat{\theta}θθ\theta (খ) Is একটি জন্য যথেষ্ট পরিসংখ্যান ? কেন?θ^θ^\hat{\theta}θθ\theta (গ) টুটা ta থিতা থটির অনন্য এমভিইউ ? কেন?(n+1)θ^/n(n+1)θ^/n(n+1)\hat{\theta}/nθθ\theta আমি মনে করি আমি …

1
এর UMVUE সন্ধান করুন
দিন X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n আইডি র‌্যান্ডম ভেরিয়েবলের পিডিএফ থাকুন fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) কোথায় θ>0θ>0\theta >0। এর UMVUE দিন1θ1θ\frac{1}{\theta} এবং এর বৈকল্পিক গণনা আমি ইউএমভিউ'র প্রাপ্ত দুটি জাতীয় পদ্ধতি সম্পর্কে শিখেছি: ক্র্যামার-রাও লোয়ার বাউন্ড (সিআরএলবি) লেহম্যান-শেফি থিমে আমি দু'জনের প্রাক্তনকে ব্যবহার করে এটি চেষ্টা করতে যাচ্ছি। আমাকে …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.