«exponential» etiketlenmiş sorular

Poisson sürecindeki olaylar arasındaki süreyi tanımlayan bir dağılım; geometrik dağılımın sürekli bir analogu.

4
Poisson ve üstel dağılım arasındaki ilişki
Poisson dağılımının bekleme süreleri lambda parametresi ile üssel bir dağılımdır. Ama anlamıyorum. Poisson, örneğin zaman birimi başına düşen varış sayısını modellemektedir. Bunun üstel dağılımla ilgisi nedir? Diyelim ki k varış zamanının bir birim içindeki olasılığı P (k) (poisson tarafından modellenmiştir) ve k + 1'in olasılığı P (k + 1), üstel …

10
Hayatta kalma sürelerinin neden katlanarak dağıtıldığı varsayılmaktadır?
UCLA IDRE'deki bu yazıdan sağkalım analizini öğreniyorum ve bölüm 1.2.1 'de tetiklendi. Öğretici diyor ki: ... hayatta kalma sürelerinin katlanarak dağıtıldığı biliniyorsa , hayatta kalma süresini gözlemleme olasılığı ... Hayatta kalma sürelerinin neden katlanarak dağıtıldığı varsayılmaktadır? Bana çok doğal geliyor. Neden normal olarak dağıtılmıyor? Diyelim ki bazı canlıların yaşam koşullarını …

6
Analitik olarak, bir miktarı rastgele bölmenin üssel bir dağılıma (örneğin gelir ve servet) neden olduğunu nasıl kanıtlayabilirim?
BİLİM'in bu güncel makalesinde aşağıdakiler önerilmektedir: Diyelim ki rasgele bir şekilde 500 milyon kişiyi gelir ile 10.000 kişi arasında paylaştırın. Herkese eşit, 50.000 pay vermenin tek yolu var. Eğer kazancınızı rastgele dağıtıyorsanız, eşitlik son derece düşüktür. Ancak, birkaç kişiye çok para vermenin ve birçok kişiye hiç ya da hiçbir şey …

3
Neden bir lojistik regresyonun% 95 güven aralığında manuel olarak hesaplanması ile R'deki confint () fonksiyonunun kullanılması arasında bir fark var?
Sevgili millet - Açıklayamayacağım tuhaf bir şey fark ettim, ya sen? Özetle: bir lojistik regresyon modelinde bir güven aralığı hesaplamaya yönelik manuel yaklaşım ve R işlevi confint()farklı sonuçlar verir. Hosmer ve Lemeshow'un Applied Logistic Regresyon (2. Basım) bölümünden geçiyorum . 3. bölümde, oran oranını ve% 95 güven aralığını hesaplama örneği …
34 r  regression  logistic  confidence-interval  profile-likelihood  correlation  mcmc  error  mixture  measurement  data-augmentation  r  logistic  goodness-of-fit  r  time-series  exponential  descriptive-statistics  average  expected-value  data-visualization  anova  teaching  hypothesis-testing  multivariate-analysis  r  r  mixed-model  clustering  categorical-data  unsupervised-learning  r  logistic  anova  binomial  estimation  variance  expected-value  r  r  anova  mixed-model  multiple-comparisons  repeated-measures  project-management  r  poisson-distribution  control-chart  project-management  regression  residuals  r  distributions  data-visualization  r  unbiased-estimator  kurtosis  expected-value  regression  spss  meta-analysis  r  censoring  regression  classification  data-mining  mixture 

1
Bir lmer modelden etkilerin tekrarlanabilirliğinin hesaplanması
Bu yazıda , karışık etki modellemesi ile bir ölçümün tekrarlanabilirliğini (diğer bir deyişle güvenilirlik, sınıf içi korelasyon) nasıl hesaplayacağımı anladım . R kodu şöyle olurdu: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = …
28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 






2
Üstel rastgele değişkenin koşullu beklentisi
Rastgele bir değişken için ( ) Sezgisel olarak eşit olmalıdır belleksizlik özelliği tarafından yana dağılımını ile aynı olan ancak sağa kaydırılır x .X∼ Uzm ( λ )X~Tecrübe(λ)X\sim \text{Exp}(\lambda)E [X] = 1λE[X]=1λ\mathbb{E}[X] = \frac{1}{\lambda}E [X| X> x ]E[X|X>x]\mathbb{E}[X|X > x]x + E [ X]x+E[X]x + \mathbb{E}[X]X| X> xX|X>xX|X > xXXXxxx Ancak, …

5
Çok sayıda veri noktasındaki değerlerin gösterimi nasıl yapılır?
Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

3
Nasıl bir beklenti hesaplarım
Eğer katlanarak dağıtılır parametresi ve 'in karşılıklı bağımsız, beklentisi neX iXiXbenX_i(i=1,...,n)(ben=1,...,n)(i=1,...,n)λλ\lambdaXiXbenX_i (∑i=1nXi)2(Σben=1nXben)2 \left(\sum_{i=1}^n {X_i} \right)^2 bakımından ve ve muhtemelen diğer sabitler?λnnnλλ\lambda Not: Bu soru /math//q/12068/4051 adresinde matematiksel bir yanıt almıştır . Okuyucular da buna bir göz atacaklardı.

3
Çarpık verilerle regresyon
Demografi ve hizmetten ziyaret sayılarını hesaplamaya çalışmak. Veriler çok eğri. histogramlar: qq grafikleri (sol günlüktür): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityve servicefaktör değişkenleridir. Tüm değişkenler için düşük bir p değeri *** elde ediyorum, ancak aynı zamanda .05 gibi düşük bir r kare elde ediyorum. Ne yapmalıyım? Üstel veya başka …


Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.