Statistiche e Big Data conditional-probability

4

Numero previsto Sarò acceso dopo aver pescato le carte finché non avrò un asso, 2, 3 e così via

Sto riscontrando dei problemi nel risolvere quanto segue. Pesca carte da un mazzo standard da 52 carte senza sostituzione finché non ottieni un asso. Disegna da ciò che resta fino a quando non ottieni un 2. Continui con 3. Qual è il numero atteso che ti verrà dopo che l'intero …

12 self-study conditional-probability conditional-expectation games conditioning

3

Probabilità di Naive Bayes: devo raddoppiare le parole?

Sto prototipando la mia borsa Naive Bayes o un modello a parole, e avevo una domanda sul calcolo delle probabilità delle funzionalità. Diciamo che ho due lezioni, userò solo spam e non spam poiché è quello che usano tutti. E prendiamo la parola "viagra" come esempio. Ho 10 e-mail nel …

12 classification conditional-probability naive-bayes

2

Valore atteso di x in una distribuzione normale, DATO che è inferiore a un determinato valore

Mi chiedo solo se è possibile trovare il valore atteso di x se è normalmente distribuito, dato che è al di sotto di un certo valore (ad esempio, al di sotto del valore medio).

12 normal-distribution conditional-probability expected-value

1

Test esatto di Fisher e distribuzione ipergeometrica

Volevo capire meglio il test esatto del pescatore, quindi ho escogitato il seguente esempio di giocattolo, dove f e m corrispondono a maschio e femmina e n e y corrispondono a "consumo di soda" in questo modo: > soda_gender f m n 0 5 y 5 0 Ovviamente, questa è …

12 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

1

Campionamento dalla distribuzione marginale usando la distribuzione condizionale?

Voglio campionare da una densità univariata ma conosco solo la relazione:fXfXf_X fX( x ) = ∫fX| Y( x | y) fY( y) dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. Voglio evitare l'uso di MCMC (direttamente sulla rappresentazione integrale) e, poiché e sono facili da campionare, stavo pensando di usare il …

12 sampling conditional-probability monte-carlo marginal

1

Come definire una distribuzione tale che le estrazioni siano correlate a un'estrazione di un'altra distribuzione predefinita?

Come definisco la distribuzione di una variabile casuale tale che un'estrazione da abbia una correlazione con , dove è singola da una distribuzione con funzione di distribuzione cumulativa ? Y ρ x 1 x 1 F X ( x )YYYYYYρρ\rhoX1x1x_1X1x1x_1FX( x )FX(x)F_{X}(x)

12 distributions probability correlation random-variable conditional-probability

1

Modellistica bayesiana mediante multivariata normale con covariata

Supponiamo di avere una variabile esplicativa X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right) dove sss rappresenta una data coordinata. Hai anche una variabile di risposta Y=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) . Ora, possiamo combinare entrambe le variabili come: W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) In questo caso, scegliamo semplicemente e è …

11 probability bayesian conditional-probability gibbs

2

In che modo programmi come BUGS / JAGS determinano automaticamente le distribuzioni condizionali per il campionamento di Gibbs?

Sembra che i condizionali completi siano spesso piuttosto difficili da ricavare, ma programmi come JAGS e BUGS li derivano automaticamente. Qualcuno può spiegare come generano algoritmicamente i condizionali completi per qualsiasi specifica di modello arbitraria?

11 bayesian conditional-probability jags bugs gibbs

5

Intervallo di confidenza e probabilità: dov'è l'errore in questa affermazione?

Se qualcuno fa una dichiarazione come di seguito: "Complessivamente, i non fumatori esposti al fumo ambientale avevano un rischio relativo di malattia coronarica di 1,25 (intervallo di confidenza al 95%, da 1,17 a 1,32) rispetto ai non fumatori non esposti al fumo." Qual è il rischio relativo per la popolazione …

11 probability statistical-significance confidence-interval conditional-probability philosophical

3

Come viene definito quando

Supponiamo che YYY sia una variabile casuale continua e che XXX sia una discreta. Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} Come sappiamo, Pr ( Y= y) = 0Pr(Y=y)=0\Pr(Y=y) = 0 perché YYY è una variabile casuale continua. E sulla base di ciò, sono tentato di concludere che la probabilità Pr ( X= …

11 conditional-probability pdf

1

R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?

Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …

11 r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

2

Perché la densità posteriore è proporzionale alla funzione di probabilità della densità precedente?

Secondo il teorema di Bayes, . Ma secondo il mio testo econometrico, dice che . Perché è così? Non capisco perché sia ignorato.P ( θ | y ) ∝ P ( y | θ ) P ( θ ) P ( y )P( y| θ)P( θ ) = P( θ …

11 bayesian conditional-probability likelihood

2

Qual è la probabilità che dato ?

Supponiamo che XXX e YYY siano normali bivariati con media μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) e covarianza Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . Qual è la probabilità Pr(X<Y|min(X,Y))Pr(X<Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?

10 probability normal-distribution conditional-probability

2

Somma dei coefficienti di distribuzione multinomiale

\newcommand{\P}{\mathbb{P}} Sto lanciando un dado giusto. Ogni volta che ottengo un 1, 2 o 3, scrivo un '1'; ogni volta che ottengo un 4 scrivo un '2'; ogni volta che ottengo un 5 o un 6, scrivo un '3.' Sia NNN il numero totale di lanci necessari per il prodotto …

10 probability normal-distribution conditional-probability multinomial distributions

1

Dimostrare / Disprovare

Dimostrare / DisprovareE[ 1UN| Ft] = 0 o 1 a.s. ⇒ E [ 1UN| FS] = E[ 1UN| Ft] come E[1A|Ft]=0 or 1 a.s. ⇒E[1A|Fs]=E[1A|Ft] a.s.E[1_A | \mathscr{F_t}] = 0 \ \text{or} \ 1 \ \text{a.s.} \ \Rightarrow E[1_A | \mathscr{F_{s}}] = E[1_A | \mathscr{F_t}] \ \text{a.s.} Dato uno spazio …

10 probability conditional-probability random-variable filter

Domande taggate «conditional-probability»