Domande taggate «distributions»

Una distribuzione è una descrizione matematica delle probabilità o delle frequenze.

1
Valore “nascosto” della variabile categoriale della regressione lineare
Questo è solo un esempio che ho riscontrato più volte, quindi non ho dati di esempio. Esecuzione di un modello di regressione lineare in R: a.lm = lm(Y ~ x1 + x2) x1è una variabile continua. x2è categorico e ha tre valori, ad esempio "Basso", "Medio" e "Alto". Tuttavia, l'output …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
1
Distribuzione della somma degli esponenziali
Permettere X1X1X_1 e X2X2X_2 essere variabili casuali esponenziali indipendenti e identicamente distribuite con rate λλ\lambda. PermettereS2=X1+X2S2=X1+X2S_2 = X_1 + X_2. Q: DimostraloS2S2S_2 ha PDF fS2(x)=λ2xe−λx,x≥0fS2(x)=λ2xe−λx,x≥0f_{S_2}(x) = \lambda^2 x \text{e}^{-\lambda x},\, x\ge 0. Si noti che se gli eventi si sono verificati secondo un processo di Poisson (PP) con velocità λλ\lambda, …
3
Indipendenza delle statistiche dalla distribuzione gamma
Sia un campione casuale dalla distribuzione gamma .G a m m a ( α , β )X1,...,XnX1,...,XnX_1,...,X_nGamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Sia X¯X¯\bar{X} e S2S2S^2 la media e la varianza del campione. Quindi prova o confuta che X¯X¯\bar{X} e S2/X¯2S2/X¯2S^2/\bar{X}^2 sono indipendenti. Il mio tentativo: poiché S2/ X¯2= 1n - 1Σni = 1( XioX¯- …
1
Genera variabile casuale con determinati momenti
Conosco i primi momenti di una certa distribuzione. So anche che la mia distribuzione è continua, unimodale e ben modellata (sembra una distribuzione gamma). È possibile:NNN Usando qualche algoritmo, genera campioni da questa distribuzione, che in condizioni limite avrà esattamente gli stessi momenti? Risolvi questo problema analiticamente? Capisco che fino …
1
Quali sono la media e la varianza di un normale multivariato censurato 0?
Lascia che sia in . Quali sono la matrice media e di covarianza di (con il massimo calcolato elementalmente)?Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma)RdRd\mathbb R^dZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) Ciò si verifica ad esempio perché, se utilizziamo la funzione di attivazione ReLU all'interno di una rete profonda e supponiamo tramite il CLT …
2
Mostrare è Cauchy standard quando è Cauchy standard
Se X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1) , trova la distribuzione di Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2} . Abbiamo FY(y)=Pr(Y≤y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) =Pr(2X1−X2≤y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪Pr(X∈(−∞,−1−1+y2√y])+Pr(X∈(−1,−1+1+y2√y]),ify&gt;0Pr(X∈(−1,−1+1+y2√y])+Pr(X∈(1,−1−1+y2√y]),ify&lt;0={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify&gt;0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify&lt;0\qquad\qquad=\begin{cases} \mathrm{Pr}\left(X\in\left(-\infty,\frac{-1-\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y>0\\ \mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(1,\frac{-1-\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y<0 \end{cases} Mi chiedo se la distinzione di cui sopra sia corretta o meno. D'altra parte, il seguente sembra un metodo più semplice: Possiamo scrivere Y=tan(2tan−1X)Y=tan⁡(2tan−1⁡X)Y=\tan(2\tan^{-1}X) usando l'identità 2tanz1−tan2z=tan2z2tan⁡z1−tan2⁡z=tan⁡2z\frac{2\tan z}{1-\tan^2z}=\tan 2z …
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 
1
Genera numeri casuali dalla "distribuzione uniforme inclinata" dalla teoria matematica
Per qualche motivo, ho bisogno di generare numeri casuali (dati) dalla distribuzione "uniforme inclinata". La "pendenza" di questa distribuzione può variare in un intervallo ragionevole, e quindi la mia distribuzione dovrebbe cambiare da uniforme a triangolare in base alla pendenza. Ecco la mia derivazione: Rendiamolo semplice e generiamo i dati …
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.