Statistiche e Big Data

Domande e risposte per le persone interessate alle statistiche, all'apprendimento automatico, all'analisi dei dati, al data mining e alla visualizzazione dei dati

1
Stimatore non distorto con varianza minima per
Consenti a essere un campione casuale di una distribuzione per . Vale a dire,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Trova lo stimatore imparziale con varianza minima perg(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} Il mio tentativo: Poiché la distribuzione geometrica proviene dalla famiglia esponenziale, la statistica è completa e sufficiente per . Inoltre, se è uno stimatore …
3
Perché alla gente piacciono i dati fluidi?
Devo usare il kernel Squared Exponential (SE) per la regressione del processo gaussiana. I vantaggi di questo kernel sono: 1) semplice: solo 3 iperparametri; 2) liscio: questo kernel è gaussiano. Perché alla gente piace così tanto la "levigatezza"? So che il kernel gaussiano è infinitamente differenziabile, ma è così importante? …
2
Perché PCA massimizza la varianza totale della proiezione?
Christopher Bishop scrive nel suo libro Pattern Recognition and Machine Learning una dimostrazione che ogni componente principale consecutivo massimizza la varianza della proiezione in una dimensione, dopo che i dati sono stati proiettati nello spazio ortogonale ai componenti precedentemente selezionati. Altri mostrano prove simili. Tuttavia, ciò dimostra solo che ogni …
1
Distribuzione della probabilità di funzioni di variabili casuali?
Ho un dubbio: considera le variabili casuali valutate reali e entrambe definite nello spazio probabilità .XXXZZZ(Ω,F,P)(Ω,F,P)(\Omega, \mathcal{F},\mathbb{P}) Sia , dove è una funzione a valore reale. Poiché è una funzione di variabili casuali, è una variabile casuale.Y:=g(X,Z)Y:=g(X,Z)Y:= g(X,Z)g(⋅)g(⋅)g(\cdot)YYY Let cioè una realizzazione di .x:=X(ω)x:=X(ω)x:=X(\omega)XXX È pari a ?P(Y|X=x)=P(g(X,Z)|X=x)P(Y|X=x)=P(g(X,Z)|X=x)\mathbb{P}(Y|X=x)=\mathbb{P}(g(X,Z)|X=x)P(g(x,Z))P(g(x,Z))\mathbb{P}(g(x,Z))
1
Come interpretare i valori P GAM?
Mi chiamo Hugh e sono uno studente di dottorato che usa modelli di additivi generalizzati per fare alcune analisi esplorative. Non sono sicuro di come interpretare i valori-p che provengono dal pacchetto MGCV e volevo verificare la mia comprensione (sto usando la versione 1.7-29 e ho consultato parte della documentazione …
10 p-value  mgcv 
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.