베르누이의 정리, Moivre-Laplace; Kolmogorov의 기준; 베르누이 계획; 베이즈 공식; 체비쇼프의 불평등; 포아송 분포 법칙; Fisher, Pearson, Student, Smirnov 및 기타 정리, 공식 없이 일반 언어로 된 모델. - 페이지 10 1...345678910 새 코멘트 Алексей Тарабанов 2012.05.10 20:36 #91 A와 B가 독립 확률 변수인 경우 이러한 변수 합계의 분산은 분산의 합계와 같습니다. IMHO, 산술 문제일 뿐입니다. 편리하게 :) Alexey Subbotin 2012.05.10 21:22 #92 아니요, 조건은 덜 엄격합니다. 무작위 변수는 상관 관계가 없어야 하며 독립성은 선택 사항입니다. Алексей Тарабанов 2012.05.10 21:44 #93 Alexey, 정의를 내렸지만 따옴표를 넣는 것을 잊었습니다. :) Алексей Тарабанов 2012.05.10 21:46 #94 사람은 산술로 시작하여 더 정확하게는 조건으로 방향을 개발했습니다. 나는 같은 것으로 시작할 것입니다 ... GaryKa 2012.06.07 07:35 #95 와 함께 분산처럼, 스스로 알아냈습니다. 몇 가지 pseudo_ 정의를 소개하겠습니다. pseudo_ 확률 변수의 확산 측정 ( 상대 추정) - 두 개의 측정 가능한 집합 (즉, 동일한 크기의 집합) 사이의 거리: 원래 세트와 "평균"만으로 구성된 "이상적인" 세트 는 원래 세트가 속한 공간에 대해 정규화됩니다 . 이 정의에 대입하면 선형 공간에서 설정하면 RMS를 얻습니다. 그리고 집합이 비선형 공간에서 온 것이라면 ... 이것은 분산 측면에서 나를 귀찮게 했던 잠재 의식 질문이 있는 곳입니다. RMS의 제곱이 확률 변수의 확산 측정에 대한 보다 일반적인 정의인 분산으로 이동한 이유는 무엇 입니까? 최적화! 경험을 공유하십시오 plz. 기고글 토론 "지수 평활을 흥미로운 것 1...345678910 새 코멘트
A와 B가 독립 확률 변수인 경우 이러한 변수 합계의 분산은 분산의 합계와 같습니다.
IMHO, 산술 문제일 뿐입니다. 편리하게 :)
와 함께 분산처럼, 스스로 알아냈습니다.
몇 가지 pseudo_ 정의를 소개하겠습니다.
pseudo_ 확률 변수의 확산 측정 ( 상대 추정) - 두 개의 측정 가능한 집합 (즉, 동일한 크기의 집합) 사이의 거리: 원래 세트와 "평균"만으로 구성된 "이상적인" 세트 는 원래 세트가 속한 공간에 대해 정규화됩니다 .
이 정의에 대입하면 선형 공간에서 설정하면 RMS를 얻습니다. 그리고 집합이 비선형 공간에서 온 것이라면 ...
이것은 분산 측면에서 나를 귀찮게 했던 잠재 의식 질문이 있는 곳입니다. RMS의 제곱이 확률 변수의 확산 측정에 대한 보다 일반적인 정의인 분산으로 이동한 이유는 무엇 입니까?