«intuition» etiketlenmiş sorular

Temel bileşen analizinin (PCA) konu (ikili) alanda nasıl çalıştığını sezgisel bir şekilde anlamaya çalışıyorum . İki değişken, 2D veri kümesi düşünün ve ve veri noktası (veri matrisi isimli ve ortalanmış olduğu varsayılmaktadır). PCA'nın olağan sunumu, noktasını dikkate almamız , kovaryans matrisini yazmamız ve özvektörlerini ve özdeğerlerini bulmamızdır; ilk PC maksimum …

19 pca  linear-algebra  intuition  geometry 

Varyansın temel kimliğini düşünün: Var(X)===E[(X−E[X])2]...E[X2]−(E[X])2Var(X)=E[(X−E[X])2]=...=E[X2]−(E[X])2 \begin{eqnarray} Var(X) &=& E[(X - E[X])^2]\\ &=& ...\\ &=& E[X^2] - (E[X])^2 \end{eqnarray} Merkezi bir moment tanımının merkezi olmayan momentlere basit bir cebirsel manipülasyonudur. 'un diğer bağlamlarda uygun şekilde manipülasyonuna izin verir . Ayrıca, ortalamanın hesaplanması ve daha sonra varyansın hesaplanması için, iki geçiş yerine …

19 variance  descriptive-statistics  intuition 

Temel bileşen analizini anlamlandırma sorusunu gördüm ve keyif aldım ve şimdi aynı bileşen analizi için de aynı sorum var. Yani ICA'yı anlamak için sezgisel yollar hakkında kapsamlı bir soru sormak istiyorum. Bunu anlamak istiyorum . Amacını almak istiyorum. Hissetmek istiyorum. Buna kesinlikle inanıyorum: Büyükannenize açıklayamadıkça bir şeyi gerçekten anlamıyorsunuz. -- …

18 intuition  ica 

Kleinberg (2002) tarafından kümelenmenin zorluklarını araştıran bu ilginç analiz hakkında bir blog yazısı yazmayı düşünüyorum . Kleinberg, bir kümeleme işlevi için görünüşte sezgisel görünen üç desideratayı özetlemekte ve daha sonra böyle bir işlevin olmadığını kanıtlamaktadır. Üç ölçütten ikisini doyuran birçok kümeleme algoritması vardır; ancak, hiçbir işlev aynı anda üçünü de …

17 mathematical-statistics  clustering  intuition  hierarchical-clustering 

Okumayı burada bir örnek verilmiş olduğu X1,X2,...,XnX1,X2,...,Xn X_1,X_2,...,X_n ED ile sürekli bir dağılımdan FXFX F_X , örnek tekabül eden Ui=FX(Xi)Ui=FX(Xi) U_i = F_X(X_i) , standart bir düzgün dağılımını izler. Bunu Python'daki nitel simülasyonları kullanarak doğruladım ve ilişkiyi kolayca doğrulayabildim. import matplotlib.pyplot as plt import scipy.stats xs = scipy.stats.norm.rvs(5, 2, 10000) …

17 pdf  uniform  cdf  intuition 

Örnek medyanının, örneklerin ortalamasının daha sağlam bir ölçüsü olduğu inancı altında çalıştım, çünkü aykırı değerleri göz ardı eder. Bu nedenle ( başka bir soruya cevap olarak ) normal bir dağılımdan alınan numuneler için, numune ortalamasının varyansının, numune medyanının varyansından daha az olduğunu (en azından büyükler için)nnn ). Bunun neden doğru …

17 distributions  median  intuition  mean  efficiency 

Soru (lar): Yarı maksimum olabilirlik tahmininin (QMLE; sözde maksimum olabilirlik tahmini, PMLE olarak da bilinir) arkasındaki fikir ve sezgi nedir? Gerçek hata dağılımı varsayılan hata dağılımıyla eşleşmediğinde tahmincinin çalışmasını sağlayan nedir? Vikipedi sitesi QMLE için (noktaya kısa, sezgisel,) iyi, ama biraz daha sezgi ve ayrıntı, belki de bir çizim kullanabilirsiniz. …

17 maximum-likelihood  references  intuition  quasi-likelihood 

Tehlike oranının tanımı olarak görev yapan denklem hakkında kafam karıştı. Tehlike oranının ne olduğu hakkında bir fikrim var, ama denklemin bu sezgiyi nasıl ifade ettiğini görmüyorum. Eğer bir zaman aralığına birinin ölüm zamanı noktasını temsil eden bir rastgele değişken . O zaman tehlike oranı:[ 0 , T ]xxx[0,T][0,T][0,T] h(x)=f(x)1−F(x)h(x)=f(x)1−F(x)h(x)=\frac{f(x)}{1-F(x)} Burada …

16 survival  intuition  hazard 

Bugün bir giriş istatistik dersi verdim ve bir öğrenci bana şu şekilde yeniden sorduğum bir soru ile geldi: "Standart sapma neden N üzerindeki karelerin toplamı sqrt olarak değil, varyans sql olarak tanımlanıyor?" Nüfus varyansını tanımlarız: σ2=1N∑(xi−μ)2σ2=1N∑(xi−μ)2\sigma^2=\frac{1}{N}\sum{(x_i-\mu)^2} Ve standart sapma: σ=σ2−−√=1N√∑(xi−μ)2−−−−−−−−−−√σ=σ2=1N∑(xi−μ)2\sigma=\sqrt{\sigma^2}=\frac{1}{\sqrt{N}}\sqrt{\sum{(x_i-\mu)^2}} . Σ ' ya verebileceğimiz yorumσσ\sigma , popülasyondaki birimlerin X …

16 variance  standard-deviation  intuition  teaching 

EM prosedürü, başlatılmayanlara, az ya da çok kara büyü olarak görünür. Denetlenen verileri kullanarak bir HMM'nin parametrelerini (örneğin) tahmin edin. Ardından, etiketlenmemiş verilerin kodlarını, veriler aşağı yukarı etiketlenmiş gibi 'saymak' için ileri-geri kullanarak çözün. Bu neden modeli daha iyi hale getiriyor? Matematik hakkında bir şeyler biliyorum, ama onun bir tür …

16 expectation-maximization  intuition 

Rastgele efektlerin (BLUP'lar / koşullu modlar, örneğin özneler için) doğrusal bir karma efekt modelinin parametreleri olmadığını, bunun yerine tahmini varyans / kovaryans parametrelerinden türetilebileceğini birçok kez okudum. Örneğin, Reinhold Kliegl ve diğ. (2011) devlet: Rastgele etkiler, deneklerin genel ortalama RT'den sapmaları ve deneklerin sabit etki parametrelerinden sapmalarıdır. Bağımsız ve normal …

15 mixed-model  intuition  blup 

Harvard'ın iTunes ve YouTube'da bulunan İstatistik 110: Olasılık kursunun video derslerinde bu sorunla karşılaştım . Burada özetlemeye çalıştım: Standart bir desteden rastgele iki kartlı bir el verildiğimizi varsayalım. En az bir asımız olduğu için her iki kartın da as olma olasılığı nedir? P( b o t h a c e …

15 probability  conditional-probability  intuition 

I, tipik küme kavramı oldukça basit olduğu düşünülmektedir: uzunlukta bir sekans , tipik grubu ait olacaktır gelen dizisinin olasılığı yüksek olması durumunda. Bu nedenle, olası herhangi bir sekans . (Entropi ile ilgili biçimsel tanımdan kaçıyorum çünkü kalitatif olarak anlamaya çalışıyorum.)A ( n ) ϵ A ( n ) ϵnnnbir( n …

15 entropy  intuition  information-theory 

Anladığım kadarıyla, mesafe korelasyonu iki sayısal değişken arasında bir ilişki olup olmadığını kontrol etmenin sağlam ve evrensel bir yoludur. Örneğin, bir çift sayı grubumuz varsa: (x1, y1) (x2, y2) ... (xn, yn) iki değişken ( xve y) arasında herhangi bir (zorunlu olarak doğrusal olmayan) ilişki olup olmadığını kontrol etmek için …

15 correlation  independence  intuition  distance-covariance 

Steven Pinker'in Doğamızın Daha İyi Melekleri kitabında , Olasılık bir perspektif meselesidir. Yeterince yakın mesafeden bakıldığında, bireysel olayların belirleyici nedenleri vardır. Bir bozuk para bile başlangıç ​​koşullarından ve fizik yasalarından tahmin edilebilir ve yetenekli bir sihirbaz bu yasaları her zaman kafa atmak için kullanabilir. Yine de, bu olayların çok sayıda …

15 probability  central-limit-theorem  intuition