«mixture» etiketlenmiş sorular

Ben anlamına ile iki normal dağılımlar A ve B var ki ve μ B ve sapmalar σ A ve σ B . I ağırlıkları kullanılarak bu iki dağılımların ağırlıklı karışımını almak isteyen p ve q burada 0 ≤ p ≤ 1 ve q = 1 - s . Bu karışımın …

38 normal-distribution  mixture 

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 

Uzun zamandır iki rasgele değişkenin "toplamının" evrişim olduğunu neden anlamadım , f(x)f(x)f(x) ve g(x)g(x)g(x) in karışım yoğunluğu fonksiyonu toplamı pf(x)+(1−p)g(x)pf(x)+(1−p)g(x)p\,f(x)+(1-p)g(x); aritmetik toplamı ve evrişimleri. "İki rastgele değişkenin toplamı" ifadesi google 146.000 kez görünür ve aşağıdaki gibi eliptiktir. Eğer bir kişi bir RV'yi tek bir değer vermesi için düşünürse, o zaman …

33 pdf  terminology  cdf  mixture  convolution 

Öğrenci t-dağılımını k>0k>0k > 0 serbestlik derecesi ile kullanma, yer parametresi lll ve yoğunluk parametresi sss yoğunluğu olan Γ(k+12)Γ(k2kπs2−−−−√){1+k−1(x−ls)}−(k+1)/2,Γ(k+12)Γ(k2kπs2){1+k−1(x−ls)}−(k+1)/2,\frac{\Gamma \left(\frac{k+1}{2}\right)}{\Gamma\left(\frac{k}{2}\sqrt{k \pi s^2}\right)} \left\{ 1 + k^{-1}\left( \frac{x-l}{s}\right)\right\}^{-(k+1)/2}, Öğrenci ttt dağılımının, Gauss dağılımlarının bir karışımı olarak X∼N(μ,σ2)X∼N(μ,σ2)X\sim N(\mu,\sigma^2) , ' nin bırakılması τ=1/σ2∼Γ(α,β)τ=1/σ2∼Γ(α,β)\tau = 1/\sigma^2\sim\Gamma(\alpha,\beta)ve eklem yoğunluğunun birleştirilmesiyle marjinal yoğunluğu elde …

23 distributions  mixture 

EM algoritma yaklaşımında Jensen'in eşitsizliğinilogp(x|θ)≥∫logp(z,x|θ)p(z|x,θ(k))dz−∫logp(z|x,θ)p(z|x,θ(k))dzlog⁡p(x|θ)≥∫log⁡p(z,x|θ)p(z|x,θ(k))dz−∫log⁡p(z|x,θ)p(z|x,θ(k))dz\log p(x|\theta) \geq \int \log p(z,x|\theta) p(z|x,\theta^{(k)}) dz - \int \log p(z|x,\theta) p(z|x,\theta^{(k)})dz ve tanımlamak tarafından θ ( k + 1 ) = arg max θ ∫ log p ( z , x | θ ) p ( z | x , θ ( k ) …

20 mixture  expectation-maximization 

Bir karışım dağılımından ve özellikle Normal dağılımların bir karışımından nasıl numune alabilirim R? Örneğin, örnek almak istersem: 0.3×N(0,1)+0.5×N(10,1)+0.2×N(3,.1)0.3×N(0,1)+0.5×N(10,1)+0.2×N(3,.1) 0.3\!\times\mathcal{N}(0,1)\; + \;0.5\!\times\mathcal{N}(10,1)\; + \;0.2\!\times\mathcal{N}(3,.1) bunu nasıl yapabilirim?

20 r  random-generation  mixture 

Bu konunun daha önce burada tartışıldığını gördüm ama özel bir şey bulamadım. Sonra tekrar, ne arayacağından da emin değilim. Bir boyutlu sıralı veri setim var. Kümedeki tüm noktaların aynı dağılımdan çekildiğini varsayıyorum. Bu hipotezi nasıl test edebilirim? "Bu veri setindeki gözlemler iki farklı dağılımdan alınmıştır" genel bir alternatifine karşı test …

16 hypothesis-testing  distributions  mixture 

Permütasyon testleri (randomizasyon testi, yeniden randomizasyon testi veya kesin test olarak da adlandırılır) çok faydalıdır ve örneğin normal dağıtım varsayımı t-testkarşılanmadığında ve değerlerin parametrik olmayan test Mann-Whitney-U-test, daha fazla bilginin kaybolmasına neden olur. Bununla birlikte, bu tür bir test kullanılırken bir ve sadece bir varsayım göz ardı edilmemelidir, örneklerin sıfır …

16 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Etiket değiştirme (yani arka dağılım, bileşen etiketlerinin değiştirilmesinde değişmez), karışım modellerini tahmin etmek için MCMC kullanılırken sorunlu bir sorundur. Konuyla başa çıkmak için standart (yaygın olarak kabul edilen) bir metodoloji var mı? Standart bir yaklaşım yoksa, etiket anahtarlama sorununu çözmek için önde gelen yaklaşımların artıları ve eksileri nelerdir?

15 bayesian  mcmc  mixture 

Doğrusal bir modelde bağımsız değişken olarak bir şey (örneğin, emzirme haftaları) yapmak için harcanan zamanı dahil etmek istiyorum. Bununla birlikte, bazı gözlemler davranışla hiç ilgilenmez. Onları 0 olarak kodlamak gerçekten doğru değildir, çünkü 0 niteliksel olarak> 0'dan herhangi bir değerden farklıdır (yani emzirmeyen kadınlar, çok uzun süre yapmayanlar bile, kadınlardan …

14 regression  generalized-linear-model  mixture 

Optimal bir lambda aramak için glmnetiçeride caretkullanma cv.glmnetve aynı görevi yapmak için kullanma karşılaştırmasında çok fazla karışıklık var gibi görünüyor . Birçok soru yöneltildi, örneğin: Sınıflandırma modeli train.glmnet mi cv.glmnet mi? Glmnet'i caret ile kullanmanın doğru yolu nedir? "Caret" kullanarak çapraz onaylama "glmnet" ancak sorunun tekrarlanabilirliğinden kaynaklanabilecek hiçbir cevap verilmemiştir. …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

Gauss'luların toplamının Gausslu olduğunu biliyorum. Peki, Gauss'ların bir karışımı nasıl farklı? Yani, Gauss'ların bir karışımı sadece Gauss'ların bir toplamıdır (her Gauss'un ilgili karıştırma katsayısı ile çarpıldığı yerde) değil mi?

13 normal-distribution  random-variable  mixture  gaussian-mixture 

Varsayalım ki bir dizi . Her y i noktası p ( y i | x ) = 1 dağılımı kullanılarak oluşturulur y={y1,y2,…,yN}y={y1,y2,…,yN}\mathbf{y} = \{y_1, y_2, \ldots, y_N \}yiyiy_i Arka için elde etmek içinxbiz yazmak p(x|y)αp(y|x)p(X)=p(x) , N Π i=1p(yı|x). Minka'nınBeklenti Yayılımıbelgesine göreposterior elde etmek için2Nhesaplamayaihtiyacımız varp(yi|x)=12N(x,1)+12N(0,10).p(yi|x)=12N(x,1)+12N(0,10). p(y_i| x) = \frac12 …

13 bayesian  mixture  posterior 

Bölüm 4.2.1'deki sonuçları sıfırdan çoğaltıyorum. Gibbs Çıktısından Marjinal Olasılık Siddhartha Chib Amerikan İstatistik Derneği Dergisi, Vol. 432. (Aralık 1995), sayfa 1313-1321. Bilinen sayıdaki bileşenli normal modelin bir karışımıdır . k≥1k≥1k\geq 1f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σ2j).(∗)f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σj2).(∗) f(x\mid w,\mu,\sigma^2) =\prod_{i=1}^n\sum_{j=1}^k \mathrm{N}(x_i\mid\mu_j,\sigma_j^2) \, . \qquad (*) Bu model için Gibbs örnekleyicisi, Tanner ve Wong'un veri büyütme tekniği …

13 bayesian  mixture  gibbs 

Bilinen ağırlıkları, ortalamaları ve standart sapmaları olan son derece fazla Gauss'lu bir karışımım olduğunu varsayalım. Araçlar eşit değildir. Tabii ki karışımın ortalama ve standart sapması hesaplanabilir, çünkü momentler bileşenlerin momentlerinin ağırlıklı ortalamalarıdır. Karışım normal bir dağılım değil, normalden ne kadar uzak? Yukarıdaki görüntü, standart sapma (bileşenlerin) ve aynı ortalama ve …

12 normal-distribution  mixture  distance