Approssimazioni a distribuzioni, funzioni o altri oggetti matematici. Approssimare qualcosa significa trovarne una rappresentazione che è più semplice per certi aspetti, ma non esatta.
Esistono formule ben note per le statistiche degli ordini di determinate distribuzioni casuali? Soprattutto le statistiche del primo e dell'ultimo ordine di una normale variabile casuale, ma sarebbe apprezzata anche una risposta più generale. Modificare: per chiarire, sto cercando formule approssimative che possono essere valutate più o meno esplicitamente, non …
Nelle statistiche bayesiane, si dice spesso che la distribuzione posteriore è intrattabile e quindi si deve applicare un'inferenza approssimativa. Quali sono i fattori che causano questa intrattabilità?
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 …
Recentemente c'è stata una domanda simile a ML su cstheory stackexchange e ho pubblicato una risposta raccomandando il metodo di Powell, la discesa del gradiente, gli algoritmi genetici o altri "algoritmi di approssimazione". In un commento qualcuno mi ha detto che questi metodi erano "euristica" e non "algoritmi di approssimazione" …
Dopo aver eseguito l'analisi dei componenti principali (PCA), voglio proiettare un nuovo vettore nello spazio PCA (ovvero trovare le sue coordinate nel sistema di coordinate PCA). Ho calcolato PCA in linguaggio R utilizzando prcomp. Ora dovrei essere in grado di moltiplicare il mio vettore per la matrice di rotazione PCA. …
Un metodo ingenuo per approssimare una distribuzione normale è quello di sommare forse variabili IID casuali distribuite uniformemente su , quindi più recenti e ridimensionare, basandosi sul Teorema del limite centrale. ( Nota a margine : esistono metodi più accurati come la trasformazione di Box – Muller .) La somma …
Se si dispone di una matrice con n righe e colonne m, è possibile utilizzare SVD o altri metodi per calcolare un'approssimazione di basso rango della matrice data. Tuttavia, l'approssimazione di basso rango avrà ancora n righe e m colonne. In che modo le approssimazioni di basso rango possono essere …
So che manca una formula facile da gestire per il CDF di una distribuzione normale, a causa della complicata funzione di errore in esso. Tuttavia, mi chiedo se esiste una buona formula per N(c−≤x<c+|μ,σ2)N(c−≤x<c+|μ,σ2)N(c_{-} \leq x < c_{+}| \mu, \sigma^2) . O quale potrebbe essere l'approssimazione dello "stato dell'arte" per …
L'anno scorso al NIPS 2017 Ali Rahimi e Ben Recht hanno vinto il premio test of time per il loro articolo "Funzioni casuali per macchine kernel di grandi dimensioni", dove hanno introdotto funzionalità casuali, successivamente codificate come algoritmo di lavelli da cucina casuali. Durante la pubblicità del loro documento, hanno …
Supponiamo di avere una funzione che possiamo osservare solo attraverso del rumore. Non possiamo calcolare direttamente f ( x ) , solo f ( x ) + η dove η è un rumore casuale. (In pratica: calcolo f ( x ) usando un metodo Monte Carlo.)f(x)f(x)f(x)f(x)f(x)f(x)f(x)+ηf(x)+ηf(x) + \etaηη\etaf(x)f(x)f(x) Quali metodi …
Sia {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n una famiglia di variabili casuali iid che assume valori in [0,1][0,1][0,1] , con una media μμ\mu e varianza σ2σ2\sigma^2 . Un semplice intervallo di confidenza per la media, usando σσ\sigma ogni volta che è noto, è dato da P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1).P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1). P( | \bar X - \mu| > \varepsilon) \le …
I pacchetti software per il rilevamento di motivi di rete possono restituire punteggi Z estremamente alti (il più alto che ho visto è 600.000+, ma punteggi Z più di 100 sono abbastanza comuni). Ho intenzione di dimostrare che questi punteggi Z sono falsi. Enormi punteggi Z corrispondono a probabilità associate …
Il teorema di approssimazione universale è un risultato abbastanza famoso per le reti neurali, in sostanza affermando che sotto alcuni presupposti, una funzione può essere approssimata uniformemente da una rete neurale con qualsiasi precisione. C'è qualche risultato analogo che si applica alle reti neurali convoluzionali?
Sto testando l'uguaglianza dei mezzi usando il test t di Welch. La distribuzione sottostante è tutt'altro che normale (più distorta dell'esempio in una discussione correlata qui ). Posso ottenere più dati, ma vorrei un modo di principio per determinare fino a che punto farlo. Esiste una buona euristica per valutare …
Dato iid X n ≈ N ( μ X , σ 2 X ) e μ X ≈ 0 , cercando:N≥ 30N≥30N\geq30Xn≈ N( μX, σ2X)Xn≈N(μX,σX2)X_n\approx\mathcal{N}(\mu_X,\sigma_X^2)μX≈ 0μX≈0\mu_X \approx 0 approssimazione accurata della distribuzione in forma chiusa di YN= ∏1NXnYN=∏1NXnY_N=\prod\limits_{1}^{N}{X_n} approssimazione asintotica ( esponenziale ?) dello stesso prodotto Questo è un caso …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.