«self-study» etiketlenmiş sorular

Bir sınıf veya kendi kendine çalışma için kullanılan bir ders kitabı, kurs veya testten rutin bir alıştırma. Bu topluluğun politikası, bu tür sorular için tam cevaplar yerine "yararlı ipuçları sağlamak" tır.

1
Gama dağılımı ile Dirichlet dağılımı yapımı
Let olmak karşılıklı olarak bağımsız rastgele değişken parametreleri ile her biri bir gama dağılımı göstermektedir ki ,X1,…,Xk+1X1,…,Xk+1X_1,\dots,X_{k+1}αi,i=1,2,…,k+1αi,i=1,2,…,k+1\alpha_i,i=1,2,\dots,k+1Yi=XiX1+⋯+Xk+1,i=1,…,kYi=XiX1+⋯+Xk+1,i=1,…,kY_i=\frac{X_i}{X_1+\cdots+X_{k+1}},i=1,\dots,kDirichlet(α1,α2,…,αk;αk+1)Dirichlet(α1,α2,…,αk;αk+1)\text{Dirichlet}(\alpha_1,\alpha_2,\dots,\alpha_k;\alpha_{k+1}) Ortak PDF edin.Sonra ortak bulmak pdf / jacobian bulamıyorum yani(X1,…,Xk+1)=e−∑k+1i=1xixα1−11…xαk+1−1k+1Γ(α1)Γ(α2)…Γ(αk+1)(X1,…,Xk+1)=e−∑i=1k+1xix1α1−1…xk+1αk+1−1Γ(α1)Γ(α2)…Γ(αk+1)(X_1,\dots,X_{k+1})=\frac{e^{-\sum_{i=1}^{k+1}x_i}x_1^{\alpha_1-1}\dots x_{k+1}^{\alpha_{k+1}-1}}{\Gamma(\alpha_1)\Gamma(\alpha_2)\dots \Gamma(\alpha_{k+1})}(Y1,…,Yk+1)(Y1,…,Yk+1)(Y_1,\dots,Y_{k+1})J(x1,…,xk+1y1,…,yk+1)J(x1,…,xk+1y1,…,yk+1)J(\frac{x_1,\dots,x_{k+1}}{y_1,\dots,y_{k+1}})

1
Test: Sınıflandırıcıya karar sınırını söyleyin
Aşağıdaki 6 karar sınırı verilmiştir. Karar sınırları violett çizgileridir. Noktalar ve çarpılar iki farklı veri kümesidir. Hangisinin bir olduğuna karar vermeliyiz: Doğrusal SVM Çekirdek SVM (2. sıra polinom çekirdeği) Algılayıcı Lojistik regresyon Sinir Ağı (10 düzeltilmiş doğrusal birim içeren 1 gizli katman) Sinir Ağı (10 tanh birimli 1 gizli katman) …


1
AR'nin durağanlığına dair bir kanıt (2)
Ortalama merkezli bir AR (2) işlemini burada standart beyaz gürültü işlemidir. Sadece basitlik adına ve izin verin . Karakteristikler denkleminin köklerine odaklanarak Ders kitaplarındaki klasik koşullar aşağıdaki gibidir: Köklerdeki eşitsizlikleri manuel olarak (Mathematica'nın yardımıyla) çözmeye çalıştım, yani sistem sadece eldeXt=ϕ1Xt−1+ϕ2Xt−2+ϵtXt=ϕ1Xt−1+ϕ2Xt−2+ϵtX_t=\phi_1X_{t-1}+\phi_2X_{t-2}+\epsilon_tϵtϵt\epsilon_tϕ1=bϕ1=b\phi_1=bϕ2=aϕ2=a\phi_{2}=az1,2=−b±b2+4a−−−−−−√2az1,2=−b±b2+4a2az_{1,2}=\frac{-b\pm\sqrt{b^2+4a}}{2a}{|a|&lt;1a±b&lt;1{|a|&lt;1a±b&lt;1\begin{cases}|a|<1 \\ a\pm b<1 \end{cases}a±b&lt;1⎧⎩⎨|−b−b2+4a√2a|&gt;1|−b+b2+4a√2a|&gt;1{|−b−b2+4a2a|&gt;1|−b+b2+4a2a|&gt;1\begin{cases}|\frac{-b-\sqrt{b^2+4a}}{2a}|>1 \\ |\frac{-b+\sqrt{b^2+4a}}{2a}|>1\end{cases}a±b&lt;1a±b&lt;1a \pm b<1Can üçüncü koşul …

2
koşullu OLS tahmincisinin
Bunu biliyorum ^ β 0 = ˉ y - ^ β 1 ˉ xβ0^=y¯−β1^x¯\hat{\beta_0}=\bar{y}-\hat{\beta_1}\bar{x} ve bu ı varyans hesaplanan zaman var ne kadar geçerli: V a r ( ^ β 0 )= V a r ( ˉ y - ^ β 1 ˉ x )= V a r ( ( …

8
İnterpolasyon regresyon kavramı ile nasıl ilişkilidir?
Kısaca açıklayın İnterpolasyon ile ne kastedilmektedir? Regresyon kavramı ile nasıl ilişkilidir? enterpolasyon, bir tablonun çizgileri ile temel matematikte okuma sanatıdır, bu terim genellikle bir fonksiyonun ara değerlerini, o fonksiyonun verilen veya tablo değerlerinden oluşan bir kümeden hesaplama sürecini ifade eder. İkinci sorunun cevabını veremiyorum. Lütfen yardım et


3
Neden Bootstrapping'e ihtiyacımız var?
Şu anda Larry Wasserman'ın "Tüm İstatistikler" i okuyorum ve parametrik olmayan modellerin istatistiksel işlevlerini tahmin etme bölümünde yazdığı bir şeyden şaşkınım. O yazdı "Bazen bazı hesaplamalar yaparak istatistiksel bir işlevin tahmini standart hatasını bulabiliriz. Ancak diğer durumlarda standart hatanın nasıl tahmin edileceği açık değildir". Bir sonraki bölümde bu konuyu ele …

4
Örnek ortalaması verildiğinde örnek medyanının beklenen değeri
Let YYY medyan temsil ettiği ve izin boyutta rasgele numunenin ortalama belirtmektedir olan bir dağıtım . nasıl hesaplayabilirim ?X¯X¯\bar{X}n=2k+1n=2k+1n=2k+1N(μ,σ2)N(μ,σ2)N(\mu,\sigma^2)E(Y|X¯=x¯)E(Y|X¯=x¯)E(Y|\bar{X}=\bar{x}) Sezgisel olarak, normallik varsayımı nedeniyle, ve gerçekten de doğru cevap olduğunu iddia etmek mantıklıdır . Ancak bu titizlikle gösterilebilir mi?E(Y|X¯=x¯)=x¯E(Y|X¯=x¯)=x¯E(Y|\bar{X}=\bar{x})=\bar{x} İlk düşüncem, bu soruna genellikle bilinen bir sonuç olan koşullu normal …

1
Regresyon katsayısının nasıl normalleştirileceği sorusu
Normalleştirmenin burada kullanılacak doğru kelime olup olmadığından emin değilim, ancak sormaya çalıştığım şeyi göstermek için elimden geleni yapacağım. Burada kullanılan tahminci en küçük karelerdir. Diyelim ki y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , ortalamanın etrafında y=β′0+β1x′1y=β0′+β1x1′y=\beta_0'+\beta_1x_1' ; burada β′0=β0+β1x¯1β0′=β0+β1x¯1\beta_0'=\beta_0+\beta_1\bar x_1 ve x′1=x−x¯x1′=x−x¯x_1'=x-\bar x , böylece β′0β0′\beta_0' artık tahmini üzerinde herhangi bir etkiye sahip değildir β1β1\beta_1. …

5
Kendi kendine çalışma için olasılık teorisi kitapları
Olasılık teorisi ile olasılık dağılım fonksiyonları ve kümülatif dağılım fonksiyonları gibi önemli kavramları açıklayan iyi kitaplar var mı? Lütfen, John Rice'ın basit permütasyon kavramları ile başlayan ve daha sonra (2. bölümde) gerçek analiz, çoklu ve yüzey integrallerinde bilgi alarak ve CDF'leri tanımlamaya başlayan bir adım atın ve CDF'leri tanımlamaya başlayın. …

1
Olasılık yoğunluğu fonksiyonundaki değişkenlerin değişiminin türetilmesi?
Kitap örüntü tanıma ve makine öğrenmesinde (formül 1.27), py(y)=px(x)∣∣∣dxdy∣∣∣=px(g(y))|g′(y)|py(y)=px(x)|dxdy|=px(g(y))|g′(y)|p_y(y)=p_x(x) \left | \frac{d x}{d y} \right |=p_x(g(y)) | g'(y) | burada,değişkenin değişmesine görekarşılık gelen.p x ( x ) p y ( y )x=g(y)x=g(y)x=g(y)px(x)px(x)p_x(x)py(y)py(y)p_y(y) Kitaplar bunun nedeni, aralığına düşen gözlemlerin , küçük değerleri için aralığa dönüştürüleceğini söylüyor .δ x ( y , …

1
Sıfır hipotezi altında değiştirilebilir örneklerin ardındaki sezgi nedir?
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 

4
Klasik doğrusal model - model seçimi
5 olası regresörlü klasik bir doğrusal modelim var. Birbirleriyle ilişkisizdirler ve cevapla oldukça düşük korelasyona sahiptirler. Regresörlerin 3'ünün t istatistiği için önemli katsayıları olan bir modele geldim (p &lt;0.05). Kalan 2 değişkenin birini veya her ikisini eklemek, eklenen değişkenler için t istatistiği için p&gt; 0.05 verir. Bu beni 3 değişken …

2
Pdf
Varsayalım X1,X2,...,XnX1,X2,...,XnX_1, X_2,...,X_n gelen istatistiksel bağımsız olarak N(μ,σ2)N(μ,σ2)N(\mu,\sigma^2) Bilinmeyen ile μ∈Rμ∈R\mu \in \mathcal R ve σ2&gt;0σ2&gt;0\sigma^2>0 Let Z=X1−X¯S,Z=X1−X¯S,Z=\frac{X_1-\bar{X}}{S},S buradaki standart sapmadır. ZZZ Lebesgue pdf'sine sahip olduğu gösterilebilir f(z)=n−−√Γ(n−12)π−−√(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n√)(|Z|)f(z)=nΓ(n−12)π(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n)(|Z|)f(z)=\frac{\sqrt{n} \Gamma\left(\frac{n-1}{2}\right)}{\sqrt{\pi}(n-1)\Gamma\left(\frac{n-2}{2}\right)}\left[1-\frac{nz^2}{(n-1)^2}\right]^{n/2-2}I_{(0,(n-1)/\sqrt{n})}(|Z|) Benim sorum o zaman bu pdf nasıl alınır? Soru, burada UMVUE'yu bulmak için örnek 3.3.4'tendir P(X1≤c)P(X1≤c)P(X_1 \le c). UMVUE'yu bulmak için …
15 self-study  umvue 

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.