→ bluepal : A B C不是互斥嘛...硬寫就用indication function啊 08/09 23:26
推 bluepal : 現在才發現這裡是流行用推文...n個人獨立就乘啊 08/09 23:28
→ bluepal : x,y,z變數再加個上下標之類區分不同人 08/09 23:29
→ yhliu : 在3種互斥的情況各有不同的隨機變數,怎 "聯合"? 08/10 04:40
→ yhliu : 且不管原問題3種情況各有不同數量的隨機變數, 就以 08/10 04:41
→ yhliu : 單一隨機變數來看, X 只在 A 發生時才有, Y 只在 B 08/10 04:43
→ yhliu : 發生時才存在,而 Z 只存在於 C 發生時, 因此並無 X, 08/10 04:45
→ yhliu : Y, Z 聯合的情況. 另個想法: 若 A 發生時 X 服從 F 08/10 04:47
→ yhliu : 分布, B 發生時 X 服從 G 分布, C 發生時 X 服從 H 08/10 04:48
→ yhliu : 分布, 那我們可以考慮 (情況, X) 的聯合分布. 08/10 04:50
→ yhliu : 在多變數的情形,例如 N 是一個情況變數, N=n 時可以 08/10 04:52
→ yhliu : 知道 X1,...,Xn 的聯合分布. 這時考慮 (N,X1...X_N) 08/10 04:53
→ yhliu : 的聯合分布才有意義. 08/10 04:54
→ yhliu : 至於多人情況...或者說重複抽樣情況吧, 第 i 個樣本 08/10 04:57
→ yhliu : 是 (Ni,X1,...,X_Ni), n 個獨立樣本的聯合分布就直 08/10 04:59
→ yhliu : 接相乘, 與一般多變量樣本類同. 08/10 05:00
→ pennyleo : 好的! 老師 08/10 05:20
推 bluepal : 你還是可以硬寫集合放在Indicator承上三者相加啊 08/10 22:37
→ bluepal : 只是完全沒有意義而已...然後用symbol分開表示在相 08/10 22:37
→ bluepal : 乘起來 08/10 22:37
→ bluepal : 也是完全沒有意義就是了...我不知道為什麼討論互斥 08/10 22:38
→ bluepal : 變成純粹符號累積... 08/10 22:39
→ cplalexandta: 這就典型的mixture model 08/12 04:29