Оценивание дискретных распределений при дополнительных ограничениях на вероятности некоторых событий (виртуальный семинар)
Материал из MachineLearning.
(Различия между версиями)
м (→Постановка задачи) |
м (→Постановка задачи) |
||
| Строка 1: | Строка 1: | ||
== Постановка задачи == | == Постановка задачи == | ||
| - | Задача состоит в восстановлении дискретной функции плотности вероятности <tex>f(\omega_t)</tex> (где <tex>\omega_t</tex> - элементарные исходы, зависящие от времени <tex>t \in [0, T], T < \infty</tex>, <tex>\omega_t \in (Z_+, Z_+, ..., Z_+)</tex>) при условии, что заданы условия на <tex>P(\omega_A) = X_A</tex> (где <tex>\omega_A</tex> - суперпозиция | + | Задача состоит в восстановлении дискретной функции плотности вероятности <tex>f(\omega_t)</tex> (где <tex>\omega_t</tex> - элементарные исходы, зависящие от времени <tex>t \in [0, T], T < \infty</tex>, <tex>\omega_t \in (Z_+, Z_+, ..., Z_+)</tex>) при условии, что заданы условия на <tex>P(\omega_A) = X_A</tex> (где <tex>\omega_A</tex> - суперпозиция исходов, интегрированных по времени в области <tex>[0,T]</tex>), P(.) - функция распределения вероятностей, <tex>X_A</tex> - заданные вероятности). |
== Ссылки == | == Ссылки == | ||
Версия 20:45, 31 июля 2008
Постановка задачи
Задача состоит в восстановлении дискретной функции плотности вероятности (где
- элементарные исходы, зависящие от времени
,
) при условии, что заданы условия на
(где
- суперпозиция исходов, интегрированных по времени в области
), P(.) - функция распределения вероятностей,
- заданные вероятности).
