«estimation» etiketlenmiş sorular

N örneğimiz var, XiXiX_i, düzgün bir dağılımdan [0,θ][0,θ][0,\theta] nerede θθ\thetabilinmeyen. Tahminθθ\theta verilerden. Bayes kuralı ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} ve olasılık: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (değiştir: ne zaman 0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \theta hepsi için iii, ve başka türlü 0 - teşekkürler whuber) ama hakkında başka bilgi olmadan θθ\theta, …

10 bayesian  estimation  uniform  uninformative-prior 

İkisi arasındaki fark nedir ve neden önem düzeyi her zaman testin boyutundan daha yüksek veya ona eşit olmalıdır?

10 estimation 

Bir popülasyondan örneklemeden sonra bir güven aralığı biçiminde bir parametre tahmini yapabileceğimiz öğretildi. Örneğin, hiçbir varsayım ihlal edilmeden% 95 güven aralığı, tahmin ettiğimiz gerçek parametrenin popülasyonda ne olduğunu içeren bir% 95 başarı oranına sahip olmalıdır. yani, Bir örnekten nokta tahmini üretin. Tahmin etmeye çalıştığımız gerçek değeri teorik olarak% 95 şansı …

9 hypothesis-testing  confidence-interval  estimation  inference 

Uzunluğu bilinmeyen bir uzaylı yılı geçirdiğinizi varsayalım. Söz konusu uzaylıların rastgele bir örneğine sahipseniz ve bazıları doğum günlerini paylaşıyorsa, bu verileri yılın uzunluğunu tahmin etmek için kullanabilir misiniz? Örneğin, 100'lük bir örnekte, iki üçüz (yani her biri üç uzaylı tarafından paylaşılan iki doğum günü) ve beş çift ve seksen dört …

9 estimation  inference  birthday-paradox 

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 

Günlük kaza sayısı parametresi ile rastgele bir Poisson değişkenidir , rastgele seçilen 10 günde kaza sayısı 1,0,1,1,2,0,2,0,0,1 olarak gözlemlenmiştir. nın tarafsız bir tahmincisi olabilir mi?λλ\lambdaeλeλe^{\lambda} Bu şekilde denemeye çalıştım: , ancak olduğunu biliyoruz . O zaman gerekli tarafsız tahminci ne olacak?E(x¯)=λ=0.8E(x¯)=λ=0.8E(\bar{x})=\lambda=0.8E(ex¯)≠ eλE(ex¯)≠ eλE(e^{\bar{x}})\neq\ e^{\lambda}

9 self-study  estimation  poisson-distribution 

İkinci dereceden kayıp , daha önce verilen burada . Let olasılığı. Bayes tahmincisini bulun .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Ağırlıklı karesel kaybı göz önünde burada ile önceden . Let olması olasılığı artar. Bayes tahmincisini bulun .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Karşılaştırma veδπδπ\delta^\piδπ1δ1π\delta^\pi_1 İlk önce olduğunu fark ettim ve bunun olasılık olduğunu varsaydım, aksi …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Üniversitemdeki bir eğitmen böyle bir soru sordu (ders bittiği için ben ödev için değil). Nasıl yaklaşacağımı anlayamıyorum. Soru, her biri farklı meyve çeşitleri içeren 2 torba ile ilgilidir: İlk çanta aşağıdaki rastgele seçilmiş meyveleri içerir: + ------------- + -------- + --------- + | çap cm | kütle g | çürük? …

9 regression  estimation 

İstatistiklere oldukça yeni başladım (başlangıç ​​seviyesi bir kaç Uni kursu) ve bilinmeyen dağılımlardan örnek almayı merak ediyordum. Özellikle, temeldeki dağıtım hakkında hiçbir fikriniz yoksa, temsili bir örnek alacağınızı "garanti etmenin" bir yolu var mı? Açıklamak için örnek: servetin küresel dağılımını anlamaya çalıştığınızı varsayalım. Herhangi bir birey için, bir şekilde onların …

9 distributions  estimation  sampling  sample-size  algorithms 

Diyelim ki bir çantada N topum var. İlk çektiğimde, topu işaretliyorum ve yerine koyuyorum. İkinci çektiğimde, işaretli bir top alırsam çantaya iade ederim. Bununla birlikte, işaretlenmemiş bir topu alırsam, işaretler ve torbaya geri gönderirim. Buna herhangi bir çekiliş için devam ediyorum. Bir dizi çekiliş ve işaretli / işaretsiz çekiliş geçmişi …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

Varsayılan olarak glm, R'de bir işlev kullandığımızda , parametrelerin maksimum olasılık tahminini bulmak için yinelemeli olarak yeniden ağırlıklandırılmış en küçük kareler (IWLS) yöntemini kullanır. Şimdi iki sorum var. IWLS tahminleri olabilirlik fonksiyonunun küresel maksimumunu garanti ediyor mu? Bu sunumdaki son slayda dayanarak, öyle olmadığını düşünüyorum! Sadece bundan emin olmak istedim. …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Uygun bir dağıtım üretme yöntemi olarak MLE hakkında okuyorum. Maksimum olasılık tahminlerinin "yaklaşık normal dağılımlara sahip olduğunu" belirten bir açıklama ile karşılaştım . Bu, verilerime ve uydurmaya çalıştığım dağıtım ailesine MLE'yi tekrar tekrar uygularsam, aldığım modellerin normal olarak dağıtılacağı anlamına mı geliyor? Bir dağıtım dizisinin tam olarak dağılımı nedir?

9 normal-distribution  estimation  maximum-likelihood 

Farklı nokta tahmin yöntemleri üzerinde çalışıyorum ve MAP vs ML tahminleri kullanırken, "tekdüze bir önceki" kullandığımızda tahminlerin aynı olduğunu okudum. Birisi "tekdüze" önceliğin ne olduğunu açıklayabilir ve MAP ve ML tahmincilerinin ne zaman aynı olacağına dair bazı (basit) örnekler verebilir mi?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

Nüfus r-kare ρ2ρ2\rho^2 sabit puanlar veya rastgele puanlar varsayılarak tanımlanabilir: Sabit puanlar: Örnek büyüklüğü ve öngörücülerin belirli değerleri sabit tutulur. Böylece,ρ2fρf2\rho^2_f yordayıcı değerleri sabit tutulduğunda popülasyon regresyon denklemi tarafından elde edilen sonuçta açıklanan varyans oranıdır. Rastgele skorlar: Öngörücülerin belirli değerleri bir dağılımdan alınmıştır. Böylece,ρ2rρr2\rho^2_r Burada, "prediktör değerlerinin" prediktörlerin popülasyon dağılımına …

9 regression  estimation  r-squared 

Belirli bir özelliğe sahip ortalamanın sağlam bir tahminini arıyorum. Bu istatistiği hesaplamak istediğim bir dizi unsurum var. Sonra, her seferinde bir tane yeni eleman ekliyorum ve her ek eleman için istatistiği (çevrimiçi algoritma olarak da bilinir) yeniden hesaplamak istiyorum. Bu güncelleme hesaplamasının hızlı olmasını, tercihen O (1), yani listenin boyutuna …

9 estimation  mean  robust