Statistiche e Big Data

3

Oggi mi è venuto in mente che la distribuzione potrebbe essere vista come un compromesso tra Gaussiano e Laplace distribuzioni, per eUna simile distribuzione ha un nome? E ha un'espressione per la sua costante di normalizzazione? Il calcolo mi sorprende, perché non so nemmeno come iniziare a risolvere nell'integrale f(x)∝exp(−|x−μ|pβ)f(x)∝exp⁡(−|x−μ|pβ) …

23 distributions normal-distribution terminology laplace-distribution distribution-identification

2

Possiamo usare MLE per stimare i pesi della rete neurale?

Ho appena iniziato a studiare cose su statistiche e modelli. Attualmente, la mia comprensione è che usiamo MLE per stimare i parametri migliori per un modello. Tuttavia, quando provo a capire come funzionano le reti neurali, sembra invece che comunemente utilizzino un altro approccio per stimare i parametri. Perché non …

23 maximum-likelihood neural-networks

4

Gli studi sottodimensionati hanno aumentato la probabilità di falsi positivi?

Questa domanda è stata posta prima qui e qui, ma non credo che le risposte rispondano direttamente alla domanda. Gli studi sottodimensionati hanno aumentato la probabilità di falsi positivi? Alcuni articoli di notizie fanno questa affermazione. Per esempio : Il basso potere statistico è una cattiva notizia. Gli studi sottodimensionati …

23 hypothesis-testing power false-discovery-rate

6

Fallacia del tiratore scelto del Texas nell'analisi dei dati esplorativi

Stavo leggendo questo articolo su Nature in cui alcuni errori sono spiegati nel contesto dell'analisi dei dati. Ho notato che l'errore del tiratore scelto del Texas era particolarmente difficile da evitare: Una trappola cognitiva che attende durante l'analisi dei dati è illustrata dalla favola del tiratore scelto del Texas: un …

23 eda fallacy

3

Qual è l'architettura di un autoencoder convoluzionale in pila?

Quindi sto cercando di fare la predicazione su immagini di umani usando reti convoluzionali. Ho letto i giornali ( Paper1 e paper2 ) e questo legame StackOverflow , ma non sono sicuro io sono comprendere la struttura delle reti (non è ben definita sui giornali). Domande: Posso avere il mio …

23 neural-networks deep-learning autoencoders deep-belief-networks

2

Differenza di due variabili casuali lognormali iid

Sia X1X1X_1 e X2X2X_2 2 iidrv dove log( X1) , accedere( X2) ∼ N( μ , σ)log⁡(X1),log⁡(X2)∼N(μ,σ)\log(X_1),\log(X_2) \sim N(\mu,\sigma) . Mi piacerebbe conoscere la distribuzione per X1- X2X1-X2X_1 - X_2 . Il meglio che posso fare è prendere la serie di Taylor di entrambi e capire che la differenza è …

23 probability distributions random-variable lognormal approximation

4

Introduzione all'apprendimento automatico per i matematici

In un certo senso questo è un mio incrocio da math.stackexchange e ho la sensazione che questo sito possa offrire un vasto pubblico. Sto cercando un'introduzione matematica all'apprendimento automatico. In particolare, molta letteratura che può essere trovata è relativamente imprecisa e molte pagine vengono spese senza alcun contenuto. Tuttavia, partendo …

23 machine-learning references pac-learning

6

Perché di solito scegliamo di ridurre al minimo la somma degli errori quadrati (SSE) quando si adatta un modello?

La domanda è molto semplice: perché, quando proviamo ad adattare un modello ai nostri dati, lineari o non lineari, di solito proviamo a minimizzare la somma dei quadrati degli errori per ottenere il nostro stimatore per il parametro del modello? Perché non scegliere qualche altra funzione oggettiva da minimizzare? Capisco …

23 econometrics least-squares

3

Decomposizione MSE a varianza e bias al quadrato

Nel mostrare che MSE può essere scomposto in varianza più il quadrato di Bias, la dimostrazione in Wikipedia ha un passo, evidenziato in figura. Come funziona? In che modo le aspettative vengono inviate al prodotto dal 3 ° al 4 ° passaggio? Se i due termini sono indipendenti, l'aspettativa non …

23 random-variable expected-value mse

1

Modello lineare non lineare o generalizzato: come ti riferisci alla regressione logistica, di Poisson, ecc.?

Ho una domanda sulla semantica su cui vorrei esprimere le opinioni degli altri statistici. Sappiamo che modelli come la logistica, Poisson, ecc. Rientrano nell'ambito di modelli lineari generalizzati. Il modello include funzioni non lineari dei parametri, che possono a loro volta essere modellate utilizzando la struttura del modello lineare utilizzando …

23 logistic generalized-linear-model poisson-regression nonlinear link-function

4

Esatto test binomiale di due proporzioni campione in R (e alcuni strani valori p)

Sto cercando di risolvere la seguente domanda: Il giocatore A ha vinto 17 partite su 25 mentre il giocatore B ne ha vinte 8 su 20 - c'è una differenza significativa tra i due rapporti? La cosa da fare in R che mi viene in mente è la seguente: > …

23 r hypothesis-testing statistical-significance binomial proportion

2

Qual è la differenza tra una funzione di perdita e una funzione di decisione?

Vedo che entrambe le funzioni fanno parte di metodi di data mining come Gradient Boosting Regressors. Vedo che anche quelli sono oggetti separati. Come è la relazione tra i due in generale?

23 regression classification data-mining decision-theory

1

C'è un modo per usare la matrice di covarianza per trovare coefficienti per la regressione multipla?

Per una semplice regressione lineare, il coefficiente di regressione è calcolabile direttamente dalla matrice varianza-covarianza , di dove è l'indice della variabile dipendente ed è l'indice della variabile esplicativa.C d , eCCC deCd,eCe,eCd,eCe,e C_{d, e}\over C_{e,e} dddeee Se uno ha solo la matrice di covarianza, è possibile calcolare i coefficienti …

23 regression regression-coefficients covariance-matrix

10

Hai dei consigli per i libri di autoapprendimento delle statistiche applicate a livello universitario?

Ho frequentato diversi corsi di statistica al college, ma ho scoperto che la mia educazione era molto basata sulla teoria. Mi chiedevo se qualcuno di voi avesse un testo in Statistica Applicata (a livello di laurea) che raccomandasse o con cui avesse avuto una buona esperienza.

23 regression references modeling experiment-design application

1

Invertire la trasformata di Fourier per una distribuzione di Fisher

La funzione caratteristica della distribuzione di Fisher è: dove è la funzione ipergeometrica confluente . Sto cercando di risolvere la trasformata inversa di Fourier della n- convoluzione per recuperare la densità di una variabile x , ovvero: \ mathcal {F} _ {t , x} ^ {- 1} \ left (C …

23 probability random-variable f-distribution saddlepoint-approximation