«intuition» etiketlenmiş sorular

KL diverjansının arkasındaki sezgiyi, bir model dağılım fonksiyonunun verinin teorik / doğru dağılımından ne kadar farklı olduğunu öğrendim. Okuyorum kaynak bu iki dağılım arasındaki 'mesafeye' sezgisel anlayış yararlıdır, ancak iki dağılımlar için çünkü tam anlamıyla alınması gerektiğini söylemeye devam ediyor ve , KL Iraksama içinde simetrik değildir ve .PPPQQQPPPQQQ Son …

47 distributions  distance  intuition  kullback-leibler 

Diyelim ki . Daha sonra, normalde ortalama olarak dağıtıldığı çok değişkenli olduğu göz önüne alındığında , koşullu dağılımı:X∼N2(μ,Σ)X∼N2(μ,Σ)\mathbf{X} \sim N_{2}(\mathbf{\mu}, \mathbf{\Sigma})X1X1X_1X2=x2X2=x2X_2 = x_2 E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2)E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2) E[P(X_1 | X_2 = x_2)] = \mu_1+\frac{\sigma_{12}}{\sigma_{22}}(x_2-\mu_2) ve varyans:Var[P(X1|X2=x2)]=σ11−σ212σ22Var[P(X1|X2=x2)]=σ11−σ122σ22{\rm Var}[P(X_1 | X_2 = x_2)] = \sigma_{11}-\frac{\sigma_{12}^{2}}{\sigma_{22}} Daha fazla bilgiye sahip olduğumuz için varyansın azalacağı mantıklı. Fakat …

46 normal-distribution  multivariate-analysis  intuition 

Stein Örnek gösterir maksimum olabilirlik tahmini olduğu nnn araçlarla normal dağılım değişkenler μ1,…,μnμ1,…,μn\mu_1,\ldots,\mu_n ve sapma 111 IFF (kare işlev kaybı altında) kabul edilemez n≥3n≥3n\ge 3 . Düzgün bir kanıt için, Büyük Ölçekli Çıkarım'ın ilk bölümüne bakın : Bradley Effron'un Tahmin, Test Etme ve Tahmini için Ampirik Bayes Yöntemleri . x∼N(μ,1)x∼N(μ,1)x …

46 maximum-likelihood  unbiased-estimator  intuition  steins-phenomenon 

'Değiştirilebilirlik' kavramının farklı bağlamlarda (örneğin, bayesyen modeller) kullanıldığını görüyorum, ancak terimi çok iyi anlamadım. Bu kavram ne anlama geliyor? Hangi şartlar altında bu kavram çağrılır ve neden?

41 bayesian  intuition  exchangeability 

Wikipedia'dan: Bir oyun şovunda olduğunuzu ve üç kapının seçimini verdiğinizi varsayalım: Bir kapının arkasında bir araba; diğerlerinin arkasında keçiler var. Bir kapı seçiyorsunuz, 1 numara diyorsunuz ve kapıların arkasında ne olduğunu bilen ev sahibi, başka bir kapıyı açıyor, bir keçi olan 3 numara. Daha sonra size "2 numaralı kapıyı seçmek …

40 probability  intuition  puzzle 

pdf ile rastgele bir değişken olduğunu varsayalım . Sonra rasgele değişkeni pdf’e sahiptir.XXXfX(x)fX(x)f_X(x)Y=X2Y=X2Y=X^2 fY(y)={12y√(fX(y√)+fX(−y√))0y≥0y<0fY(y)={12y(fX(y)+fX(−y))y≥00y<0f_Y(y)=\begin{cases}\frac{1}{2\sqrt{y}}\left(f_X(\sqrt{y})+f_X(-\sqrt{y})\right) & y \ge 0 \\ 0 & y \lt 0\end{cases} Bunun arkasındaki hesabı anlıyorum. Ama hesabı bilmeyen birine anlatmanın bir yolunu düşünmeye çalışıyorum. Özellikle, neden faktörünün ön tarafta göründüğünü açıklamaya çalışıyorum . Onu bıçaklayacağım:1y√1y\frac{1}{\sqrt{y}} bir Gauss …

37 random-variable  pdf  intuition 

Geçenlerde " açıklamak " adlı olasılıksal bir akıl yürütme ilkesini öğrendim ve bunun için bir sezgiyi kavramaya çalışıyorum. Bir senaryo kurmama izin verin. Bir depremin meydana geldiği olay olsun . olayının, neşeli yeşil devin şehir etrafında dolaştığı olay olmasına izin verin . , yerin sarsıldığı olay olsun . Let . …

36 probability  intuition 

aşağıdaki gibi merkezi sınırlı teoremin çok basit bir sürümü ki Lindeberg – Lévy CLT'dir. Neden sol tarafta bir olduğunu anlamıyorum . Ve Lyapunov CLT ama neden değil ? Birisi bana bu faktörlerin neler olduğunu söyler mi, ve ? onları teoremi nasıl alırız?n−−√((1n∑i=1nXi)−μ) →d N(0,σ2)n((1n∑i=1nXi)−μ) →d N(0,σ2) \sqrt{n}\bigg(\bigg(\frac{1}{n}\sum_{i=1}^n X_i\bigg) - \mu\bigg)\ …

36 central-limit-theorem  intuition 

Bir Reuter'ın 25.02.2019 tarihli makalesinde bu mesaj şu anda tüm haberlerde bulunuyor: İnsan yapımı küresel ısınmaya dair kanıtlar 'altın standartlara' isabet ediyor [Bilim adamları], insan faaliyetlerinin Dünya yüzeyindeki ısıyı yükselttiğine duyulan güvenin “beş sigma” seviyesine ulaştığına güvendiğini, istatistiksel bir gösterge anlamına geldiği takdirde, milyonda bir ihtimalinin ortaya çıkması durumunda milyonda …

35 p-value  intuition  application  communication  climate 

Sonlu ve sonsuz varyans arasındaki fark nedir? İstatistik bilgilerim oldukça basit; Wikipedia / Google burada pek yardımcı olmadı.

33 variance  intuition  partial-moments 

B'nin gerçekleşmesi koşuluyla , koşullu olasılık formülü : P ( AAA\text{A}BB\text{B}P(A | B)=P(A∩B)P(B).P(A | B)=P(A∩B)P(B). P\left(\text{A}~\middle|~\text{B}\right)=\frac{P\left(\text{A} \cap \text{B}\right)}{P\left(\text{B}\right)}. Ders kitabım bunun arkasındaki sezgiyi Venn şeması açısından açıklıyor. BB\text{B} gerçekleştiği göz önüne alındığında, AA\text{A} gerçekleşmesinin tek yolu , olayın AA\text{A} ve kesişimine düşmesidir BB\text{B}. Bu durumda, P ( A) olasılığı olmazP(A|B)P(A|B)P\left(\text{A} …

30 probability  conditional-probability  intuition 

Genelleştirilmiş katkı modelleri, örneğin . fonksiyonlar düzgündür ve tahmin edilir. Genellikle penaltılaşmış spline'lar. MGCV bunu yapan bir R paketidir ve yazar (Simon Wood) paketi hakkında R örnekleri ile bir kitap yazar. Ruppert ve ark. (2003) aynı şeyin basit versiyonları hakkında çok daha erişilebilir bir kitap yazmaktadır. y=α+f1(x1)+f2(x2)+eiy=α+f1(x1)+f2(x2)+ei y = \alpha …

30 r  nonparametric  interaction  splines  intuition 

rasgele bir değişkenimiz olduğunu varsayalım . Eğer gerçek parametre ise, olabilirlik fonksiyonu maksimize edilmeli ve türev sıfıra eşit olmalıdır. Bu, maksimum olabilirlik tahmincisinin arkasındaki temel ilkedir.X∼f(x|θ)X∼f(x|θ)X \sim f(x|\theta)θ0θ0\theta_0 Anladığım kadarıyla, Fisher bilgisi olarak tanımlanır I(θ)=E[(∂∂θf(X|θ))2]I(θ)=E[(∂∂θf(X|θ))2]I(\theta) = \Bbb E \Bigg[\left(\frac{\partial}{\partial \theta}f(X|\theta)\right)^2\Bigg ] Dolayısıyla, eğer gerçek parametre ise, . Fakat eğer gerçek …

29 bayesian  maximum-likelihood  likelihood  intuition  fisher-information 

Olasılıkta birleşen bir rassal değişken ile dağılımda birleşen bir rastgele değişken arasındaki sezgisel fark nedir ? Çok sayıda tanım ve matematiksel denklem okudum, ancak bu gerçekten yardımcı olmuyor. (Lütfen aklınızda bulundurun, ekonometri okuyan bir lisans öğrencisiyim.) Rasgele bir değişken nasıl tek bir sayıya, aynı zamanda bir dağılıma nasıl yakınlaşabilir?

26 distributions  random-variable  convergence  intuition 

Ne belirleme katsayısı dağılımı, ya da R, kare R 2R2R^2 Boş hipotez altında, doğrusal, tek değişkenli çoklu regresyon, H 0 : β = 0H0:β=0H_0:\beta=0 ? Bu, k belirleyicisinin kksayısına ve n > k örneklerinin sayısına nasıl bağlıdır n>kn>k? Bu dağılımın modu için kapalı formlu bir ifade var mı? Özellikle, basit …

26 regression  mathematical-statistics  r-squared  intuition