Coursera Learner working on a presentation with Coursera logo and
GeometricDistribution De geometrische verdeling is een discrete verdeling voor n=0, 1, 2, … met waarschijnlijkheidsdichtheidsfunctie
waarbij 0<p<1, q=1-p, en de distributiefunctie is
De geometrische toe-eigening is de belangrijkste discrete onregelmatige overdracht zonder geheugen. Het is een discrete steekproef van de exponentiële dispersie. Merk op dat enkele makers (bv. Beyer 1987, p. 531; Zwillinger 2003, pp. 630-631) de verspreiding willen karakteriseren voor n=1, 2, …, terwijl het hierboven gegeven type van de circulatie in de Wolfram Taal als GeometricDistribution[p].P(n) is genormaliseerd, sinds sum_(n=0)^inftyP(n)=sum_(n=0)^inftyq^np=psum_(n=0)^inftyq^n=p/(1-q)=p/p=1. e ruwe momenten worden analytisch gegeven in termen van de polylogaritme functie,
Dus de eerste paar expliciet als
De centrale momenten worden analytisch gegeven in termen van het Lerch-transcendent en:
het gemiddelde, de variantie, de scheefheid en het kurtosisoverschot zijn
Voor het geval p=1/2 (dat overeenkomt met de verdeling van het aantal muntgooien dat nodig is om te winnen in de Sint-Petersburgse paradox) geeft de formule (23) mu_k^'|_(p=1/2)=1/2Li_(-k)(1/2). De eerste nauwelijks ruwe minuten liggen in deze lijn 1, 3, 13, 75, 541, …. Meerdere malen zijn deze getallen OEIS A000629, die exponentiële scheppende capaciteiten hebben f(x)=-ln(2-e^x) en g(x)=e^x/(2-e^x). Het gemiddelde, het verschil, de scheefheid, en de overvloed aan kurtosis van het geval p=q=1/2 worden gegeven door
De karakteristieke functie wordt gegeven door
De eerste cumulatieve factor van de geometrische verdeling is1111
en latere cumulatieven worden gegeven door de herhalingsrelatie
De gemiddelde afwijking van de geometrische verdeling is
|_x_|
waar is de vloerfunctie

Talen

Weekly newsletter

No spam. Just the latest releases and tips, interesting articles, and exclusive interviews in your inbox every week.

You may also like

Wiskunde en Statistiek

Vals negatief

Bij het begrijpen van de hypothese kunnen twee fouten nogal verwarrend zijn. Deze twee fouten zijn vals-negatief en vals-positief. Je kunt vals-negatieve fouten ook type II-fouten noemen en vals-positieve fouten type I-fouten. Terwijl u leert, denkt u misschien dat deze fouten geen nut hebben en alleen maar uw tijd zullen verspillen bij het leren van […]

Data Science Team 05 May 2022
Wiskunde en Statistiek

Box Plot Bespreking

Met een box plot of box and whisker plot kunt u de databankverdeling weergeven op een overzicht met vijf getallen. Het eerste kwartiel Q1 is het minimum, het derde kwartiel Q3 is de mediaan, en het vijfde kwartiel Q5 is het maximum. U kunt de uitschieters en hun waarden vinden met behulp van een boxplot. […]

Data Science Team 01 March 2021
Wiskunde en Statistiek

Bayesiaanse netwerken

Het maken van een probabilistisch model kan een uitdaging zijn, maar blijkt nuttig bij machinaal leren. Om zo’n grafisch model te maken, moet je de probabilistische relaties tussen variabelen vinden. Stel dat u een grafische voorstelling van de variabelen maakt. U moet de variabelen voorstellen als knooppunten en voorwaardelijke onafhankelijkheid als de afwezigheid van randen. […]

Data Science Team 02 January 2021