«self-study» etiketlenmiş sorular

Okudum Neyman-Pearson Lemmasını kitaptan İstatistik Teorisine Giriş Mood, Graybill ve Boes tarafından. Ama ben lemi anlamadım. Birisi bana lemi bana basit kelimelerle açıklayabilir mi? Ne ifade ediyor? Neyman- Pearson lemması: Let X1,…,XnX1,…,XnX_1,\ldots,X_n rasgele bir örnek olarak , iki bilinen değerlerden biridir ve ve izin olacak sabit.f(x;θ)f(x;θ)f(x;\theta)θθ\thetaθ0θ0\theta_0θ1θ1\theta_10&lt;α&lt;10&lt;α&lt;10<\alpha<1 Let pozitif bir sabittir …

21 hypothesis-testing  self-study  references  inference  likelihood-ratio 

Verilerimin bir histogramını çizdiğimde, iki tepe noktası var: Bu potansiyel bir çok modlu dağılım anlamına mı geliyor? Ben dip.testR ( library(diptest)) koştu ve çıktı: D = 0.0275, p-value = 0.7913 Verilerimin çoklu mod dağılımına sahip olduğu sonucuna varabilir miyim? VERİ 10346 13698 13894 19854 28066 26620 27066 16658 9221 13578 …

21 r  hypothesis-testing  distributions  self-study  histogram 

İşte eski sorum Birisinin Gizli Markov modelleri (HMM) ve Partikül Filtresi (PF) arasındaki farkı (herhangi bir fark varsa) ve bunun sonucunda Kalman Filtresini veya hangi koşullar altında hangi algoritmayı kullandığımızı bilip bilmediğini sormak istiyorum. Ben öğrenciyim ve bir proje yapmam gerekiyor, ama önce bazı şeyleri anlamalıyım. Yani, bibliyografyaya göre, her …

21 machine-learning  self-study  hidden-markov-model  kalman-filter  particle-filter 

Emisyon azaltımı ve araç başına maliyet hakkında bazı temel verilerim var: q24 &lt;- read.table(text = "reductions cost.per.car 50 45 55 55 60 62 65 70 70 80 75 90 80 100 85 200 90 375 95 600 ",header = TRUE, sep = "") Bu üstel bir işlev olduğunu biliyorum, bu …

21 r  self-study  exponential  starting-values 

Temel bileşen analizi (PCA) yaptıktan sonra, PCA alanına yeni bir vektör yansıtmak istiyorum (yani PCA koordinat sistemindeki koordinatlarını bulmak). PCA'yı R dilinde kullanarak hesapladım prcomp. Şimdi vektörümü PCA dönme matrisi ile çarpabilmeliyim. Bu matristeki temel bileşenler satır veya sütunlar halinde mi düzenlenmelidir?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Olasılık sınıfımda "rastgele değişkenlerin toplamı" terimleri sürekli olarak kullanılmaktadır. Ancak, bunun tam olarak ne anlama geldiğini bilmiyorum? Rastgele bir değişkenden bir grup gerçekleşmenin toplamından mı bahsediyoruz? Öyleyse, bu tek bir sayı eklemiyor mu? Rasgele değişken gerçekleşmelerinin toplamı bizi nasıl bir dağılıma veya herhangi bir tür cdf / pdf / fonksiyona …

21 probability  self-study  random-variable  terminology 

Burada çıkarım okuyorum. Birisinin üstel ailenin avantajlarını numaralandırmasını istiyorum. Üstel aileye göre, f(x|θ)=h(x)exp{η(θ)T(x)−B(θ)}f(x|θ)=h(x)exp⁡{η(θ)T(x)−B(θ)}\begin{align*} f(x|\theta) = h(x)\exp\left\{\eta(\theta)T(x) - B(\theta)\right\} \end{align*} desteği parametresine bağlı olmayan . İşte öğrendiğim bazı avantajlar:θθ\theta (a) Çok çeşitli dağıtımları içerir. (b) Neyman-Fisher teoremine göre doğal yeterli istatistik .T(x)T(x)T(x) (c) in moment üretme fonksiyonu için güzel bir formül …

19 self-study  exponential-family 

Anladığım kadarıyla, "Kontrol" istatistiğin iki anlamı olabilir. Kontrol grubu: Bir deneyde, kontrol grubu üyesine herhangi bir tedavi verilmez. Örn: Plasebo ve Uyuşturucu: "Kontrollü deney" olarak da adlandırılan diğer gruba (kontrol) değil, bir gruba ilaç verirsiniz. Bir değişken için kontrol: Belirli bir bağımsız değişkenin etkisini ayırma tekniği. Bu tekniklere verilen diğer …

19 regression  self-study  anova  experiment-design  controlling-for-a-variable 

Aşağıdaki ifadenin doğru olduğunu görmenin en kolay yolu nedir ? Diyelim ki Y 1 , … , Y n iid ∼ Exp ( 1 )Y1,…,Yn∼iidExp(1)Y_1, \dots, Y_n \overset{\text{iid}}{\sim} \text{Exp}(1) . ABS ∑ n i = 1 ( Y i - Y ( 1 ) ) ∼ Gama ( n - …

18 self-study  distributions  exponential  order-statistics  jacobian 

Let BtBtB_t standart Brownian hareketi. Let Ej,nEj,nE_{j, n} ifade etkinlik {Bt=0 for some j−12n≤t≤j2n},{Bt=0 for some j−12n≤t≤j2n},\left\{B_t = 0 \text{ for some }{{j-1}\over{2^n}} \le t \le {j\over{2^n}}\right\},ve izin1O anlamına gelir göstergesi işlevi. Orada var mıρ&gt;0öyle ki içinP{Kn≥ρ2n}≥ρherkes içinnKn=∑j=2n+122n1Ej,n,Kn=∑j=2n+122n1Ej,n,K_n = \sum_{j = 2^n + 1}^{2^{2n}} 1_{E_{j,n}},111ρ&gt;0ρ&gt;0\rho > 0P{Kn≥ρ2n}≥ρP{Kn≥ρ2n}≥ρ\mathbb{P}\{K_n \ge \rho2^{n}\} \ge …

18 probability  self-study  moments  distributions  brownian 

Kaynaktan İstatistiksel Öğrenme An Introduction James ve diğ., Çapraz doğrulama bırakılan bir çıkış (LOOCV) tahmini ile tanımlanır CV(n)=1n∑i=1nMSEiCV(n)=1n∑i=1nMSEi\text{CV}_{(n)} = \dfrac{1}{n}\sum\limits_{i=1}^{n}\text{MSE}_i buradaMSEi=(yi−y^i)2MSEi=(yi−y^i)2\text{MSE}_i = (y_i-\hat{y}_i)^2. Kanıt olmadan, denklem (5.2), en küçük kareler veya polinom regresyonu için (bunun sadece bir değişken üzerindeki regresyon için geçerli olup olmadığı bilinmemektedir), CV(n)=1n∑i=1n(yi−y^i1−hi)2CV(n)=1n∑i=1n(yi−y^i1−hi)2\text{CV}_{(n)} = \dfrac{1}{n}\sum\limits_{i=1}^{n}\left(\dfrac{y_i - \hat{y}_i}{1-h_i}\right)^2 …

18 regression  self-study  cross-validation  least-squares 

Yüksek lisans tezim için, serolojik durumla tanımlanan farklı durumlar arasındaki geçişler için istatistiksel bir model geliştirmeye çalışıyorum. Şimdilik, sorum daha genel / teorik olduğu için bu bağlamda çok fazla ayrıntı vermeyeceğim. Her neyse, sezgim bir Gizli Markov Modeli (HMM) kullanmam gerektiğidir; modelimi formüle etmek için gerekli literatürden ve diğer arka …

18 machine-learning  self-study  hidden-markov-model 

Birisinin , standart normal dağılıma sahip olan ve , rasgele değişkenlerinin neden bağımsız olduğunu açıklayan bir argüman önerebileceğini umuyordum . Bu gerçeğin kanıtı MGF tekniğinden kolayca geliyor, ancak bunu son derece sezgisel buluyorum.Y 2 = X 1 + X 2 X iY1=X2−X1Y1=X2−X1Y_1=X_2-X_1Y2=X1+X2Y2=X1+X2Y_2=X_1+X_2XiXiX_i Bu yüzden eğer varsa sezgiyi takdir ediyorum. Şimdiden …

18 probability  self-study  mathematical-statistics 

Genelleştirilmiş Doğrusal Modeller hakkında orta seviye bir kitap arıyorum. İdeal olarak, modellerin arkasındaki teoriye ek olarak, R veya başka bir programlama dilinde uygulamaları ve örnekleri içermesini isterim - SAS'ın da popüler bir seçim olduğunu duyuyorum. Kendi başıma çalışmayı planlıyorum ve bu yüzden kendi egzersizlerine cevaplar vermesi yardımcı olacaktır. Matematik ve …

18 self-study  generalized-linear-model  references 

İlk kez bir kafa elde edilene kadar adil bir madalyonun art arda atıldığını varsayın. İstenecek beklenen fırlatma sayısı nedir? İlk kafa elde edilmeden önce beklenen kuyruk sayısı kaçtır?

18 probability  self-study  expected-value  bernoulli-distribution  geometric-distribution