«probability» etiketlenmiş sorular

Kaggle müsabakaları, kalıcı bir test setine göre son sıralamaları belirler. Bekletilen bir test seti bir örnektir; modellenen popülasyonu temsil etmeyebilir. Her sunum bir hipotez gibi olduğundan, rekabeti kazanan algoritma, toplam şans eseri, test setini diğerlerinden daha iyi eşleştirebilir. Başka bir deyişle, farklı bir test seti seçildiyse ve yarışma tekrarlandıysa, sıralama …

12 machine-learning  probability  hypothesis-testing  sample  kaggle 

Blackwell'in Futility dolaplarındaki bahis paradoksunu okudum . Özet: ve üzere iki zarf . Zarflar rastgele miktarda para içerir, ancak para hakkındaki dağılım hakkında hiçbir şey bilmezsiniz. Birini , orada ne kadar para olduğunu kontrol edersiniz ( ) ve seçmeniz gerekir: veya ?E y x E x E yExExE_xEyEyE_yxxxExExE_xEyEyE_y Boşluk Dolabı, …

12 probability  paradox 

İşte bir öğrencinin getirdiği eğlenceli bir problem. Başlangıçta bir silah tarafından düzenli aralıklarla ateşlenen karşılıklı imha mermileri açısından ifade edilmiş olsa da, daha barışçıl bir sunumun tadını çıkarabileceğinizi düşündüm. Sonsuz düz Oz dünyasında, Sarı Tuğla Yolu Emerald City'nin merkezinde başlar, kırsal alanda gevşer ve kendini geçmeden sonsuza dek ilerler. Her …

12 probability  stochastic-processes  puzzle 

Slutsky'nin teoremi hakkında bazı ayrıntılar hakkında kafam karıştı : Let , skaler / vektör / matris rastgele elemanlarının iki sekansları olabilir.{Xn}{Xn}\{X_n\}{Yn}{Yn}\{Y_n\} Eğer rastgele elemanı dağıtım yakınsak ve sabit bir olasılık olarak yakınsak , o ters çevrilebilir olması koşuluyla , burada dağıtımda yakınsama anlamına gelir.XnXnX_nXXXYnYnY_ncccXn+Yn XnYn Xn/Yn →d X+c→d cX→d X/c,Xn+Yn …

12 probability  random-variable  convergence  slutsky-theorem 

Eğer p(x)p(x)p(x) ile sıfır olmayan değerlere sahip bir olasılık dağılımıdır [0,+∞)[0,+∞)[0,+\infty) hangi tip (ler için,) p(x)p(x)p(x) bir sabit vardır halen mevcut c>0c>0c\gt 0 öyle ki ∫∞0p(x)logp(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2∫0∞p(x)log⁡p(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2\int_0^{\infty}p(x)\log{\frac{ p(x)}{(1+\epsilon)p({x}(1+\epsilon))}}dx \leq c \epsilon^2tüm0<ϵ<10<ϵ<10\lt\epsilon\lt 1? Yukarıdaki eşitsizlik aslında dağılımı p(x)p(x)p(x)ve sıkıştırılmış bir versiyonu arasında bir Kullback-Leibler Farklılığıdır (1+ϵ)p(x(1+ϵ))(1+ϵ)p(x(1+ϵ)){(1+\epsilon)}p({x}{(1+\epsilon)}). Bu eşitsizliğin Üstel, Gama ve Weibull …

12 probability  stochastic-processes  kullback-leibler  probability-inequalities 

Arka plan: Burada, bir sonucun gerçekleşme olasılığını tahmin eden modellerin nasıl kalibre edileceğine dair bazı harika sorular / cevaplar bulunmaktadır. Örneğin Brier puanı ve çözüm, belirsizlik ve güvenilirliğe ayrışması . Kalibrasyon grafikleri ve izotonik regresyon . Bu yöntemler genellikle öngörülen olasılıklar üzerinde bir binning yönteminin kullanılmasını gerektirir, böylece sonucun (0, …

12 probability  predictive-models  binary-data  calibration  scoring-rules 

Başlıkta belirtildiği gibi, rastgele 4 kart çekersem ve aynı desteden 6 çekerseniz, en yüksek kartımın en yüksek kartınızı geçme olasılığı nedir? Farklı destelerden çekersek bu nasıl değişecek? Teşekkürler!

12 probability  maximum 

Bunu Nasıl Çözebilirim? Ara denklemlere ihtiyacım var. Belki de cevap .−tf(x)−tf(x)-tf(x) ddt[∫∞txf(x)dx]ddt[∫t∞xf(x)dx] \frac{d}{dt} \left [\int_t^\infty xf(x)\,dx \right ] f(x)f(x)f(x) olasılık yoğunluk fonksiyonudur. Yani, ve \ lim \ sınırlar_ {x \ ila \ infty} F (x) = 1limx→∞f(x)=0limx→∞f(x)=0\lim\limits_{x \to \infty} f(x) = 0limx→∞F(x)=1limx→∞F(x)=1\lim\limits_{x \to \infty} F(x) = 1 kaynak: http://www.actuaries.jp/lib/collection/books/H22/H22A.pdf s.40 …

12 probability  distributions  self-study  mathematical-statistics 

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 

Kümeleme sorununu çözmek için Bayes kullanıyorum. Bazı hesaplamalar yaptıktan sonra iki olasılık oranını elde etme ihtiyacım var: P(A)/P(B)P(A)/P(B)P(A)/P(B) elde edebilme . Bu olasılıklar, bu cevapta açıklandığı gibi iki farklı 2D çok değişkenli KDE'nin entegrasyonu ile elde edilir :P(H|D)P(H|D)P(H|D) P(A)=∬x,y:f^(x,y)&lt;f^(ra,sa)f^(x,y)dxdyP(A)=∬x,y:f^(x,y)&lt;f^(ra,sa)f^(x,y)dxdyP(A) = \iint_{x, y : \hat{f}(x, y) < \hat{f}(r_a, s_a)} \hat{f}(x,y)\,dx\,dy P(B)=∬x,y:g^(x,y)&lt;g^(rb,sb)g^(x,y)dxdyP(B)=∬x,y:g^(x,y)&lt;g^(rb,sb)g^(x,y)dxdyP(B) …

12 probability  bayesian  maximum-likelihood  kernel-smoothing 

Student t-dağılımı hakkında çalışıyorum ve t-dağılımları yoğunluk işlevini nasıl türeteceğini merak etmeye başladım (wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution'dan ): f(t)=Γ(v+12)vπ−−√Γ(v2)(1+t2v)−v+12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} burada , serbestlik derecesidir ve , gama işlevidir. Bu işlevin sezgisi nedir? Yani, binom dağılımının olasılık kütle işlevine bakarsam, bu bana mantıklı geliyor. Ama t-dağılımları yoğunluk fonksiyonu benim için hiçbir …

12 probability  normal-distribution  t-distribution 

2.Dünya Savaşı sırasında John Kerrich tarafından gerçekleştirilen 10.000 jetonun (yani, 10.000 baş ve kuyrukun) tüm sonuçlarını nereden elde edebileceğinizi önerebilir misiniz?

12 probability 

Bu sorunun ruhu içinde , Hoeffding eşitsizliğinde kullanılan bir lemmanın kanıtını anlayarak, Hoeffding eşitsizliğine yol açan adımları anlamaya çalışıyorum. Kanıtta benim için en gizemli olan şey, iid değişkenlerinin toplamı için üstel anların hesaplandığı, daha sonra Markov'un eşitsizliğinin uygulandığı kısımdır. Amacım anlamak: Bu teknik neden sıkı bir eşitsizlik veriyor ve başarabileceğimiz …

12 probability  probability-inequalities 

Kimse izi takip etmek isterse bu sorudan geliyorum . Temelde bir veri kümesi her nesnenin kendisine (ölçülen bu durumda iki) ölçülen değerlerin belirli sayıda bağlı olduğu nesnelerinden oluşur :NΩΩ\OmegaNNN Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] ait yeni bir nesne olasılığını belirlemek için bir yola ihtiyacım var bu …

12 probability  maximum-likelihood  kernel-smoothing  numerical-integration 

Tenis'in kendine özgü üç kademeli bir puanlama sistemi var ve daha iyi bir oyuncuyu belirlemek için bir deney olarak bir maç açısından herhangi bir istatistiksel faydası olup olmadığını merak ediyorum. Bilmediğiniz kişiler için, normal kurallarda bir oyun ilk 4 puana kadar kazanır, ancak 2 puan önde olduğunuzda (yani 4-2 ise …

12 probability  inference  games