Оценивание дискретных распределений при дополнительных ограничениях на вероятности некоторых событий (виртуальный семинар)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
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_{est}(\omega_A) = X_A</tex> (где <tex>\omega_A</tex> - суперпозиция элементарных исходов в момент времени T, <tex>X_A</tex> - заданные вероятности).
+
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 элементарных исходов в момент времени <tex>T</tex>, P(.) - функция распределения вероятностей, <tex>X_A</tex> - заданные вероятности).
== Ссылки ==
== Ссылки ==

Версия 20:43, 31 июля 2008

Постановка задачи

Задача состоит в восстановлении дискретной функции плотности вероятности f(\omega_t) (где \omega_t - элементарные исходы, зависящие от времени t \in [0, T], T < \infty, \omega_t \in (Z_+, Z_+, ..., Z_+)) при условии, что заданы условия на P(\omega_A) = X_A (где \omega_A - суперпозиция элементарных исходов в момент времени T, P(.) - функция распределения вероятностей, X_A - заданные вероятности).

Ссылки

Литература

Личные инструменты