«bernoulli-distribution» etiketlenmiş sorular

parametresiyle (başarı olasılığı) bir Bernoulli rasgele değişkeni düşünün . Olabilirlik fonksiyonu ve Fisher bilgisi ( matris):X∈{0,1}X∈{0,1}X\in\{0,1\}θθ\theta1×11×11 \times 1 L1(θ;X)I1(θ)=p(X|θ)=θX(1−θ)1−X=detI1(θ)=1θ(1−θ)L1(θ;X)=p(X|θ)=θX(1−θ)1−XI1(θ)=detI1(θ)=1θ(1−θ) \begin{align} \mathcal{L}_1(\theta;X) &= p(\left.X\right|\theta) = \theta^{X}(1-\theta)^{1-X} \\ \mathcal{I}_1(\theta) &= \det \mathcal{I}_1(\theta) = \frac{1}{\theta(1-\theta)} \end{align} Şimdi iki parametreli bir "aşırı parametreli" versiyonu düşünün: başarı olasılığı θ1θ1\theta_1 ve hata olasılığı θ0θ0\theta_0 . ( …

10 bernoulli-distribution  parameterization  fisher-information  determinant 

Aşağıdaki soru bir arkadaşım tarafından soruldu. Ona yardım edemedim ama umarım birisi bana açıklayabilir. Benzer bir örnek bulamadım.Herhangi bir yardım ve açıklama için teşekkürler. S: 100 madeni para atma deneyinin sonuçları 0 = "Kuyruk" ve 1 = "Kafa" olarak kaydedilmiştir. Çıkış x, 0 uzunluğu ve 100 uzunluğu 1 olan bir …

9 probability  inference  bernoulli-distribution 

Örnekler: İş tanımında bir cümle var: "İngiltere'de Java kıdemli mühendisi". Derin bir öğrenme modelini 2 kategori olarak tahmin etmek istiyorum: English ve IT jobs. Geleneksel sınıflandırma modeli kullanırsam, sadece softmaxson katmanda işlevli 1 etiket tahmin edebilir . Bu nedenle, her iki kategoride "Evet" / "Hayır" ı tahmin etmek için 2 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Cox orantılı tehlike modelinden sağkalım eğrisini nasıl yorumluyorsunuz? Bu oyuncak örneğinde, verilerdeki agedeğişken üzerinde bir cox orantılı tehlike modelimiz olduğunu kidneyve hayatta kalma eğrisini oluşturduğumuzu varsayalım . library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Örneğin, zamanında hangi ifade doğrudur? ya da her ikisi de yanlış mı?200200200 Bildirim 1:% …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Birisi bana nasıl benzetileceğini söyleyebilir mi Bernoulli(ab)Bernoulli(ab)\mathrm{Bernoulli}\left({a\over b}\right), nerede a,b∈Na,b∈Na,b\in \mathbb{N}, bir bozuk para kullanarak (istediğiniz kadar) P(H)=pP(H)=pP(H)=p ? Reddetme örneklemesi kullanmayı düşünüyordum ama çivilemedim.

9 probability  simulation  bernoulli-distribution  rejection-sampling 

İzin Vermek x1…xa,y1…ybx1…xa,y1…ybx_1 \ldots x_a,y_1 \ldots y_b değerleri alan bağımsız rasgele değişkenler olmak +1+1+1 veya −1−1-1her biri 0,5 olasılıkla. Toplamı düşününS=∑i,jxi×yjS=∑i,jxi×yjS = \sum_{i,j} x_i\times y_j. Olasılığı üst sınırlandırmak istiyorumP(|S|>t)P(|S|>t)P(|S| > t). Şu an sahip olduğum en iyi sınır2e−ctmax(a,b)2e−ctmax(a,b)2e^{-\frac{ct}{\max(a,b)}}burada evrensel bir sabittir. Bu, basit Chernoff sınırlarının uygulanmasıyla ve olasılığını daha düşük …

9 probability  random-variable  bernoulli-distribution