Estoy tratando de entender cómo funciona la matriz de covarianza . Supongamos que tenemos dos variables:X, YX,YX, Y, dónde Cov(X,Y)=E[(x−E[X])(y−E[Y])]Cov(X,Y)=E[(x−E[X])(y−E[Y])]\text{Cov}(X,Y) = \mathbb{E}[(x -\mathbb{E}[X])(y-\mathbb{E}[Y])] da la relación entre las variables, es decir, cuánto...
En la mayoría de los cursos básicos de teoría de probabilidad, las funciones generadoras de momentos contados (mgf) son útiles para calcular los momentos de una variable aleatoria. En particular la expectativa y la varianza. Ahora, en la mayoría de los cursos, los ejemplos que proporcionan para la...
Inspirado por esta pregunta , traté de obtener una expresión para el tercer momento central de una suma de un número aleatorio de variables aleatorias iid. Mi pregunta es si es correcta y, si no, qué está mal o qué supuestos adicionales podrían faltar. Específicamente,
Para una variable aleatoria no negativa , ¿cómo demostrar que no en
Me preguntaba por qué los errores estándar son (severamente) sesgados hacia abajo cuando se usa la variable instrumental (general) - estimador o el método generalizado de estimador de momentos
Pregunta simple, pero sorprendentemente difícil de encontrar una respuesta en línea. Sé que para un RV , definimos el momento k como donde la igualdad se sigue si , para una densidad y Medida de Lebesgue .XXX∫Xk rePAGS= ∫XkF( x ) d X∫Xk dP=∫xkf(x) dx\int X^k \ d P = \int x^k f(x) \ dxp = f⋅...
Estoy tratando de calcular la expectativa para arbitraria (para la expectativa es infinita) si está distribuido de forma lognormalmente, es decir, .E[ecX]E[ecX]E[e^{cX}]c<0c<0c0XXXlog(X)∼N(μ,σ)log(X)∼N(μ,σ)\log(X) \sim N(\mu, \sigma) Mi idea era escribir la expectativa como una integral,...