Domande taggate «estimation»

Qual è la differenza tra i due e perché il livello di significatività deve essere sempre maggiore o uguale alla dimensione del test?

10 estimation 

Mi è stato insegnato che possiamo produrre una stima dei parametri sotto forma di un intervallo di confidenza dopo il campionamento da una popolazione. Ad esempio, gli intervalli di confidenza al 95%, senza ipotesi violate, dovrebbero avere un tasso di successo del 95% di contenere qualunque sia il vero parametro …

9 hypothesis-testing  confidence-interval  estimation  inference 

Supponiamo che tu abbia avuto un anno alieno con una lunghezza sconosciuta N. Se hai un campione casuale di detti alieni e alcuni di loro condividono compleanni, puoi utilizzare questi dati per stimare la durata dell'anno? Ad esempio, in un campione di 100, potresti avere due terzine (cioè due compleanni …

9 estimation  inference  birthday-paradox 

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 

Il numero di incidenti al giorno è una variabile casuale di Poisson con parametro , in 10 giorni scelti a caso il numero di incidenti è stato osservato come 1,0,1,1,2,0,2,0,0,1, quale sarà uno stimatore imparziale di e λ ?λλ\lambdaeλeλe^{\lambda} Ho provato a tentare in questo modo: sappiamo che , ma …

9 self-study  estimation  poisson-distribution 

Considera la perdita quadratica , con il precedente dato dove . Sia la probabilità. Trova lo stimatore di Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considera la perdita quadratica ponderata dove con precedente . Sia sia la probabilità. Trova lo stimatore di Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Confronta eδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Per prima cosa ho …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Un istruttore della mia università ha posto una domanda del genere (non per i compiti da quando la lezione è finita e io non ci ho partecipato). Non riesco a capire come affrontarlo. La domanda riguarda 2 buste contenenti ciascuna un assortimento di diversi tipi di frutta: La prima busta …

9 regression  estimation 

Attualmente sto leggendo il pezzo di Pearl (Pearl, 2009, 2a edizione) sulla causalità e la lotta per stabilire il legame tra l'identificazione non parametrica di un modello e la stima effettiva. Sfortunatamente, lo stesso Pearl è molto silenzioso su questo argomento. Per fare un esempio, ho in mente un modello …

9 estimation  references  causality 

Sono abbastanza nuovo nelle statistiche (una manciata di corsi Uni per principianti) e mi chiedevo come campionare da distribuzioni sconosciute. In particolare, se non si ha idea della distribuzione sottostante, esiste un modo per "garantire" di ottenere un campione rappresentativo? Esempio da illustrare: supponiamo che tu stia cercando di capire …

9 distributions  estimation  sampling  sample-size  algorithms 

Diciamo che ho N palline in una borsa. Al mio primo pareggio, segnare la palla e sostituirla nella borsa. Al mio secondo pareggio, se raccolgo una palla segnata la rimetto nella borsa. Se, tuttavia, raccolgo una palla non segnata, la segnerò e la rimetto nella borsa. Lo continuo per qualsiasi …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

Per impostazione predefinita, quando utilizziamo una glmfunzione in R, utilizza il metodo IWLS (reimpostazione dei minimi quadrati ripetutamente iterativamente) per trovare la stima della massima verosimiglianza dei parametri. Ora ho due domande. Le stime IWLS garantiscono il massimo globale della funzione di probabilità? Sulla base dell'ultima diapositiva di questa presentazione, …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Ho letto MLE come metodo per generare una distribuzione adattata. Mi sono imbattuto in una dichiarazione in cui si afferma che le stime di massima verosimiglianza "hanno distribuzioni normali approssimative". Questo significa che se applico MLE volte ripetute sui miei dati e sulla famiglia di distribuzioni a cui sto tentando …

9 normal-distribution  estimation  maximum-likelihood 

Sto studiando diversi metodi di stima puntuale e leggo che quando si utilizzano stime MAP vs ML, quando si usa un "precedente uniforme", le stime sono identiche. Qualcuno può spiegare cos'è un precedente "uniforme" e fornire alcuni (semplici) esempi di quando gli stimatori MAP e ML sarebbero gli stessi?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

La popolazione r-square può essere definita assumendo punteggi fissi o punteggi casuali:ρ2ρ2\rho^2 Punteggi fissi: le dimensioni del campione e i valori particolari dei predittori vengono mantenuti fissi. Pertanto, è la percentuale di varianza spiegata nel risultato dall'equazione di regressione della popolazione quando i valori del predittore sono mantenuti costanti.ρ2fρf2\rho^2_f Punteggi …

9 regression  estimation  r-squared 

Sto cercando una stima robusta della media che ha una proprietà specifica. Ho un insieme di elementi per i quali voglio calcolare questa statistica. Quindi, aggiungo nuovi elementi uno alla volta e per ogni elemento aggiuntivo vorrei ricalcolare la statistica (nota anche come algoritmo online). Vorrei che questo calcolo di …

9 estimation  mean  robust