Statistiche e Big Data beta-distribution

2

UMVUE di

Sia un campione casuale dalla densità( X 1 , X 2 , … , X n ) (X1,X2,…,Xn)(X_1,X_2,\ldots,X_n)f θ ( x ) = θ x θ - 1 1 0 < x < 1,θ > 0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Sto cercando di trovare l'UMVUE di θ1 + θθ1+θ\frac{\theta}{1+\theta} . La densità congiunta …

10 self-study distributions estimation inference beta-distribution

2

Campionamento efficiente di una distribuzione beta con soglia

Come devo campionare in modo efficiente dalla seguente distribuzione? x∼B(α,β), x>kx∼B(α,β), x>k x \sim B(\alpha, \beta),\space x > k Se non è troppo grande, il campionamento del rifiuto potrebbe essere l'approccio migliore, ma non sono sicuro di come procedere quando è grande. Forse c'è qualche approssimazione asintotica che può essere …

10 random-generation beta-distribution truncation

1

Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda

Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …

9 machine-learning deep-learning natural-language tensorflow sampling distance non-independent application regression machine-learning logistic mixed-model control-group crossover r multivariate-analysis ecology procrustes-analysis vegan regression hypothesis-testing interpretation chi-squared bootstrap r bioinformatics bayesian exponential beta-distribution bernoulli-distribution conjugate-prior distributions bayesian prior beta-distribution covariance naive-bayes smoothing laplace-smoothing distributions data-visualization regression probit penalized estimation unbiased-estimator fisher-information unbalanced-classes bayesian model-selection aic multiple-regression cross-validation regression-coefficients nonlinear-regression standardization naive-bayes trend machine-learning clustering unsupervised-learning wilcoxon-mann-whitney z-score econometrics generalized-moments method-of-moments machine-learning conv-neural-network image-processing ocr machine-learning neural-networks conv-neural-network tensorflow r logistic scoring-rules probability self-study pdf cdf classification svm resampling forecasting rms volatility-forecasting diebold-mariano neural-networks prediction-interval uncertainty

4

Come interpretare una curva di sopravvivenza del modello di rischio Cox?

Come si interpreta una curva di sopravvivenza dal modello di rischio proporzionale cox? In questo esempio di giocattolo, supponiamo di avere un modello di rischio proporzionale cox su agevariabile nei kidneydati e generare la curva di sopravvivenza. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Ad esempio, al momento …

9 r survival cox-model likelihood machine-learning deep-learning generative-models machine-learning reinforcement-learning q-learning regression multicollinearity convergence beta-distribution bernoulli-distribution machine-learning self-study pattern-recognition neural-networks stochastic-processes linear

1

Due quantili di una distribuzione beta determinano i suoi parametri?

Se do due quantili e le loro posizioni corrispondenti ( l 1 , l 2 ) (ciascuno) nell'intervallo aperto ( 0 , 1 ) , posso sempre trovare i parametri di una distribuzione beta che ha quei quantili in le posizioni specificate?( q1, q2)(q1,q2)(q_1,q_2)( l1, l2)(l1,l2)(l_1,l_2)( 0 , 1 )(0,1)(0,1)

9 quantiles curve-fitting beta-distribution

1

Se

Ecco un problema che è emerso in un esame semestrale nella nostra università qualche anno fa che sto lottando per risolvere. Se sono variabili casuali β indipendenti con densità β ( n 1 , n 2 ) e β ( n 1 + 1X1, X2X1,X2X_1,X_2ββ\betaβ( n1, n2)β(n1,n2)\beta(n_1,n_2)rispettivamente quindi mostrano che√β( …

9 self-study random-variable beta-distribution distributions jacobian

2

Bootstrap parametrico, semiparametrico e non parametrico per modelli misti

I seguenti innesti sono presi da questo articolo . Sono un novizio di bootstrap e sto cercando di implementare il bootstrap bootstrap parametrico, semiparametrico e non parametrico per il modello misto lineare con R bootpacchetto. Codice R Ecco il mio Rcodice: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

Domande taggate «beta-distribution»