Statistiche e Big Data convergence

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

Topologie per le quali l'insieme delle distribuzioni di probabilità è completo

Ho faticato parecchio a conciliare la mia comprensione intuitiva delle distribuzioni di probabilità con le strane proprietà che possiedono quasi tutte le topologie sulle distribuzioni di probabilità. Ad esempio, considera una variabile casuale mista : scegli un gaussiano centrato su 0 con varianza 1 e con probabilità , aggiungi al …

9 mathematical-statistics convergence central-limit-theorem topologies

1

Simulazione della convergenza in probabilità a una costante

I risultati asintotici non possono essere provati dalla simulazione al computer, perché sono affermazioni che coinvolgono il concetto di infinito. Ma dovremmo essere in grado di ottenere la sensazione che le cose marciano davvero come ci dice la teoria. Considera il risultato teorico limn→∞P(|Xn|>ϵ)=0,ϵ>0limn→∞P(|Xn|>ϵ)=0,ϵ>0\lim_{n\rightarrow\infty}P(|X_n|>\epsilon) = 0, \qquad \epsilon >0 dove …

9 mathematical-statistics simulation convergence asymptotics

2

Convergenza in Distribution \ CLT

Dato che , il distr condizionale. di è . ha distr marginale. di Poisson ( ), è una costante positiva.N=nN=nN = nYYYχ2(2n)χ2(2n)\chi ^2(2n)NNNθθ\thetaθθ\theta Mostra che, come , nella distribuzione.( Y - E ( Y ) ) / √θ→∞θ→∞\theta \rightarrow \infty (Y−E(Y))/Var(Y)−−−−−−√→N(0,1) (Y−E(Y))/Var⁡(Y)→N(0,1)\space \space (Y - E(Y))/ \sqrt{\operatorname{Var}(Y)} \rightarrow N(0,1) Qualcuno …

9 self-study poisson-distribution conditional-probability convergence central-limit-theorem

4

(interagendo) MCMC per posteriore multimodale

Sto provando a campionare da un posteriore con molte modalità particolarmente distanti tra loro usando MCMC. Sembra che nella maggior parte dei casi, solo una di queste modalità contenga il 95% di hpd che sto cercando. Ho cercato di implementare soluzioni basate sulla simulazione temperata, ma ciò non fornisce risultati …

9 sampling mcmc inference convergence

1

Limitazione della distribuzione di cui è normale

Sia una sequenza di variabili casuali iid . Definire e per . Trova la distribuzione limitante di \ frac1n \ sum_ {k = 1} ^ {n} | S_ {k-1} | (X_k ^ 2 - 1)(Xn)(Xn)(X_n)N( 0 , 1 )N(0,1)\mathcal N(0,1)S0= 0S0=0S_0=0Sn=Σnk = 1XKSn=∑k=1nXkS_n=\sum_{k=1}^n X_kn ≥ 1n≥1n\geq 11nΣk = 1n|Sk - …

8 self-study normal-distribution convergence central-limit-theorem

3

Quando e implicano ?

La domanda: Xn→dXXn→dXX_n\stackrel{d}{\rightarrow}X eYn→dY⟹?Xn+Yn→dX+YYn→dY⟹?Xn+Yn→dX+YY_n\stackrel{d}{\rightarrow}Y \stackrel{?}{\implies} X_n+Y_n\stackrel{d}{\rightarrow}X+Y So che questo non vale in generale; Il teorema di Slutsky si applica solo quando una o entrambe le convergenze sono in probabilità. Tuttavia, ci sono casi in cui si fa attesa? Ad esempio, se le sequenze e sono indipendenti.XnXnX_nYnYnY_n

8 distributions convergence asymptotics slutsky-theorem

Domande taggate «convergence»