«markov-process» etiketlenmiş sorular

Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Birkaç bin birinci dereceden Markov zincirinin veri setini yaklaşık 10 kümeye kümeledim. Bu kümeleri nasıl değerlendirebileceğim ve kümelerdeki öğelerin neler paylaştığını ve diğer kümelerden nasıl farklılaşabileceğini nasıl öğrenebileceğim konusunda önerilen bir yol var mı? Böylece, "A kümesindeki süreçler, oraya ulaştıklarında Y durumunda kalmaya eğilimlidirler, bu da diğer kümelerdeki süreçler için …

10 data-visualization  clustering  markov-process 

Interviewstreet, Ocak ayında aşağıdaki soruyu içeren ikinci CodeSprint'lerini yaptı. Programlı cevap yayınlanır ancak istatistiksel bir açıklama içermez. (Orijinal sorunu ve yayınlanan çözümü Google kredileriyle Interviewstreet web sitesinde oturum açıp bu sayfadan Coin Tosses sorununa giderek görebilirsiniz .) Bozuk Para Atışları N ardışık kafa elde edene kadar savurmaya devam etmek istediğiniz …

10 probability  stochastic-processes  markov-process 

Birisi gizli Markov modellerinin beklenti maksimizasyonu ile nasıl ilişkili olduğunu açıklayabilir mi? Birçok bağlantıdan geçtim ama net bir görüşe sahip olamadım. Teşekkürler!

10 markov-process  expectation-maximization  hidden-markov-model 

\newcommand{\E}{\mathbb{E}}\newcommand{\P}{\mathbb{P}} Merkezi Limit Teoremi (CLT), X1,X2,…X1,X2,…X_1,X_2,\dots bağımsız ve aynı şekilde dağıtılmış (iid) olduğunu belirtir E[Xi]=0E[Xi]=0\E[X_i]=0 ve Var(Xi)&lt;∞Var⁡(Xi)&lt;∞\operatorname{ Var} (X_i)<\infty , toplam normal bir dağılıma n \ to \ infty olarak yakınsar n→∞n→∞n\to\infty: Σi = 1nXben→ N( 0 ,n--√) .Σben=1nXben→N-(0,n). \sum_{i=1}^n X_i \to N\left(0, \sqrt{n}\right). Bunun yerine, X1,X2, …X1,X2,...X_1,X_2,\dots sabit dağılımlı …

10 markov-process  central-limit-theorem 

Bu sadece birkaç kez karşılaştığım bir örnektir, bu yüzden örnek verilerim yok. R'de doğrusal regresyon modeli çalıştırmak: a.lm = lm(Y ~ x1 + x2) x1sürekli bir değişkendir. x2kategoriktir ve üç değeri vardır, örneğin "Düşük", "Orta" ve "Yüksek". Bununla birlikte, R tarafından verilen çıktı aşağıdaki gibi olacaktır: summary(a.lm) Estimate Std. Error …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Öncelikle, istatistik ve matematikte olmak istediğim kadar bilgili olmadığımı kabul edeyim. Bazıları tehlikeli olmak için yeterli bilgiye sahip olduğunu söyleyebilir. : DI terminolojiyi doğru şekilde kullanmazsam özür dileriz. Bir durumdan diğerine geçiş yapan bir sistemin olasılıklarını modellemeye çalışıyorum. Basit bir Markov modeli iyi bir başlangıçtır. (Durum kümesi, başlangıç ​​durum olasılıkları …

10 markov-process  conditional-probability 

Kapalı . Bu sorunun daha fazla odaklanması gerekiyor . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Soruyu, yalnızca bu yayını düzenleyerek tek bir soruna odaklanacak şekilde güncelleyin . 28 gün önce kapalı . S1: Genel olarak Takviye öğreniminde sabit olmayan ortamla başa çıkmak için ortak veya kabul …

9 markov-process  reinforcement-learning  stationarity  q-learning 

Şu anda Markov zincirleri ile çalışıyorum ve birkaç kaynak tarafından önerilen geçiş olasılıklarını kullanarak Maksimum Olabilirlik Tahmini'ni hesapladım (yani, a'dan b'ye geçişlerin sayısının a'dan diğer düğümlere toplam geçiş sayısına bölünmesiyle). Şimdi MLE'nin log olasılığını hesaplamak istiyorum.

9 maximum-likelihood  markov-process  likelihood 

Bu makaleden aşağıdaki greftler alınmıştır . Ben bootstrap için acemi ve R bootpaket ile doğrusal karışık model için parametrik, yarı parametrik ve parametrik olmayan bootstrapping bootstrapping uygulamaya çalışıyorum . R Kodu İşte benim Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult &lt;- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Bir elma, pentagonunun köşesinde bulunur ve bir solucan, iki köşe uzakta bulunur . Solucan her gün iki bitişik köşeden birine eşit olasılıkla sürünür. Böylece bir günden sonra solucan , her biri oranında olan veya tepe noktasındadır . İki gün sonra, solucan tekrar olabilir , çünkü önceki pozisyonların hafızası yoktur. köşesine …

8 probability  markov-process