«self-study» etiketlenmiş sorular

İzin VermekX1, . . . ,XnX1,...,Xn X_1, ...,X_n rastgele bir örnek olmak G e o m e t r i c ( θ )G,eÖmetrbenc(θ)Geometric(\theta) için 0 &lt; θ &lt; 10&lt;θ&lt;10<\theta<1. yani, pθ( x ) = θ ( 1 - θ)x - 1ben{ 1 , 2 , . . . }( …

10 probability  self-study  estimation  unbiased-estimator  exponential-family 

Benim sorum, Minka'nın rastgele vektörlerin gözlemlerine dayanan bir Dirichlet dağılımı için maksimum olabilirlik tahmincisi türetme bağlamında aşağıdakileri kanıtsız olarak ifade eden "Bir Dirichlet Dağılımını Tahmin Etme" okumasını okumaktan kaynaklanmaktadır: Her zaman olduğu gibi üstel ailede olduğu gibi, eğim sıfır olduğunda, beklenen yeterli istatistikler gözlemlenen yeterli istatistiklere eşittir. Bu şekilde sunulan …

10 self-study  maximum-likelihood  exponential-family  sufficient-statistics 

Aşağıdaki kodda glm ve "elle" mle2 kullanarak gruplandırılmış veriler üzerinde lojistik regresyon gerçekleştiriyorum. Neden R'deki logLik işlevi bana bir günlük olasılığı verir logLik (fit.glm) = - 2.336 birinden farklı logLik (fit.ml) = - 5.514 Elle alıyorum? library(bbmle) #successes in first column, failures in second Y &lt;- matrix(c(1,2,4,3,2,0),3,2) #predictor X &lt;- …

10 r  self-study  generalized-linear-model 

Ders kitabı ilk önce şu 2 sınıftan bazı veriler üretir: hangi verir: ve sonra soruyor: Bunu ilk olarak bu grafik model ile modelleyerek bunu çözmeye çalışıyorum: nerede ccc etiket, h( 1 ≤ sa ≤ 10 )h(1≤h≤10)h\,(1\le h \le 10) seçilen ortalamanın endeksidir mchmhcm_h^c, ve xxxveri noktasıdır. Bu verecek Pr ( …

10 self-study  bayesian 

R'de ayrık zamanlı bir model yerleştirmeye çalışıyorum, ancak nasıl yapılacağından emin değilim. Bağımlı değişkeni farklı satırlarda, her bir zaman gözlemi için bir tane düzenleyebileceğinizi ve glmbir logit veya cloglog bağlantısıyla işlevi kullanabileceğinizi okudum. Bu anlamda, üç sütun vardır: ID, Event(her zaman atıl 1 ya da 0) ve Time Elapsedek olarak, …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

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 

Bir zaman serisinin karesi sabitse, orijinal zaman serisinin de tersi olduğunu belirten bir çözüm buldum. Ancak bunu kanıtlayamıyorum, bunun doğru olup olmadığı ve nasıl türetileceği konusunda kimsenin bir fikri var mı?

9 time-series  self-study  data-transformation  stationarity 

ve parametresine sahip bağımsız geometrik rastgele değişkenler olduğunu varsayalım . olasılığı nedir ?X1X1X_1X2X2X_2pppX1≥X2X1≥X2X_1 \geq X_2 Bu soru hakkında kafam karıştı çünkü ve hakkında geometrik olanlardan başka bir şey söylemedik . Bu olmaz çünkü ve aralığında herhangi bir şey olabilir?X1X1X_1X2X2X_250%50%50\%X1X1X_1X2X2X_2 EDIT: Yeni deneme P(X1≥X2)=P(X1&gt;X2)+P(X1=X2)P(X1≥X2)=P(X1&gt;X2)+P(X1=X2)P(X1 ≥ X2) = P(X1 > X2) + …

9 self-study  random-variable  geometric-distribution 

İzin Vermek X1,...,XnX1,...,XnX_1,...,X_n gama dağılımından rastgele bir örnek olun .Gamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Let ve , sırasıyla örnek ortalaması ve örnek varyans olabilir.X¯X¯\bar{X}S2S2S^2 Ardından ve bağımsız olduğunu kanıtlayın veya onaylayın .X¯X¯\bar{X}S2/X¯2S2/X¯2S^2/\bar{X}^2 Denemem: , ve bağımsızlığını kontrol , ama aralarındaki bağımsızlığı nasıl tesis etmeliyim?S2/X¯2=1n−1∑ni=1(XiX¯−1)2S2/X¯2=1n−1∑i=1n(XiX¯−1)2S^2/\bar{X}^2 = \frac{1}{n-1} \sum_{i=1}^n \left(\frac{X_i}{\bar{X}}-1\right)^2 X¯X¯\bar{X}(XiX¯)ni=1(XiX¯)i=1n\left(\frac{X_i}{\bar{X}} \right)_{i=1}^{n}

9 self-study  distributions  independence  gamma-distribution 

Eğer , dağılımını bulmak .X∼ C( 0 , 1 )X~C(0,1)X\sim\mathcal C(0,1)Y=2 X1 -X2Y=2X1-X2Y=\frac{2X}{1-X^2} BizFY( y) = P r ( Y≤ y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) = P r (2 X1 -X2≤ y)=Pr(2X1-X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪P r ( X∈ ( - ∞ ,- 1 -1 +y2√y] ) + P r ( X∈ ( - 1 …

9 self-study  distributions  mathematical-statistics  random-variable 

Bu yüzden bir olasılık testi yaptım ve bu soruya gerçekten cevap veremedim. Sadece böyle bir şey sordu: " rastgele bir değişken olduğu düşünüldüğünde , , daha yüksek veya eşit olanı kanıtlamak için doğru eşitsizliği kullanın, veya .XXXXXX ⩾⩾\geqslant 000E(X2)3E(X2)3E(X^2)^3E(X3)2E(X3)2E(X^3)^2 Düşünebildiğim tek şey Jensen Eşitsizliği idi, ama burada nasıl uygulanacağını gerçekten …

9 probability  self-study  probability-inequalities 

Casella ve Berger , ML tahmincisinin değişmez özelliğini şu şekilde belirtir: Ancak bana öyle geliyor ki "olasılığını" tamamen ad hoc ve saçma bir şekilde tanımlıyorlar :ηη\eta olan basit durum için temel olasılık teorisi kurallarını uygularsam , bunun yerine şunu elde ederim: Şimdi Bayes teoremini uyguluyor, sonra ve toplamı uygulayabilmemiz için …

9 self-study  bayesian  maximum-likelihood  frequentist  invariance 

Örnekler: İş tanımında bir cümle var: "İngiltere'de Java kıdemli mühendisi". Derin bir öğrenme modelini 2 kategori olarak tahmin etmek istiyorum: English ve IT jobs. Geleneksel sınıflandırma modeli kullanırsam, sadece softmaxson katmanda işlevli 1 etiket tahmin edebilir . Bu nedenle, her iki kategoride "Evet" / "Hayır" ı tahmin etmek için 2 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Cox orantılı tehlike modelinden sağkalım eğrisini nasıl yorumluyorsunuz? Bu oyuncak örneğinde, verilerdeki agedeğişken üzerinde bir cox orantılı tehlike modelimiz olduğunu kidneyve hayatta kalma eğrisini oluşturduğumuzu varsayalım . library(survival) fit &lt;- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Örneğin, zamanında hangi ifade doğrudur? ya da her ikisi de yanlış mı?200200200 Bildirim 1:% …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Wooldridge'in Giriş Ekonometrisinde bir teklif var: Hatalar normal dağılımını haklı argüman genellikle böyle bir şey yapar: çünkü etkileyen birçok farklı gözlenmeyen faktörler toplamıdır , bunu sonuçlandırmak için merkezi limit teoremini çağırabileceği yaklaşık bir normal dağılım vardır.uuuyyyuuu Bu alıntı doğrusal model varsayımlarından biriyle ilgilidir, yani: u∼N(μ,σ2)u∼N(μ,σ2)u \sim N(μ, σ^2) burada uuu …

9 self-study  linear-model  econometrics  normality-assumption  central-limit-theorem