Sono completamente cieco e provengo da un background di programmazione. Quello che sto cercando di fare è imparare l'apprendimento automatico e, per fare ciò, devo prima conoscere la regressione lineare. Tutte le spiegazioni su Internet che sto trovando su questo argomento tracciano prima i dati. Sto cercando una spiegazione pratica …
Supponiamo che X∼N2(μ,Σ)X∼N2(μ,Σ)\mathbf{X} \sim N_{2}(\mathbf{\mu}, \mathbf{\Sigma}) . Quindi la distribuzione condizionale di X1X1X_1 dato che X2=x2X2=x2X_2 = x_2 è multivariato normalmente distribuito con media: E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2)E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2) E[P(X_1 | X_2 = x_2)] = \mu_1+\frac{\sigma_{12}}{\sigma_{22}}(x_2-\mu_2) and variance: Var[P(X1|X2=x2)]=σ11−σ212σ22Var[P(X1|X2=x2)]=σ11−σ122σ22{\rm Var}[P(X_1 | X_2 = x_2)] = \sigma_{11}-\frac{\sigma_{12}^{2}}{\sigma_{22}} It makes sense that the variance would decrease …
Esempio di Stein mostra che la probabilità stima massimo di nnn variabili normalmente distribuite con mezzi μ1,…,μnμ1,…,μn\mu_1,\ldots,\mu_n e varianze 111 è inammissibile (sotto una funzione di perdita quadrato) sse n≥3n≥3n\ge 3 . Per una chiara dimostrazione, vedi il primo capitolo dell'Inferenza su larga scala: metodi di Bayes empirici per la …
Vedo il concetto di "scambiabilità" utilizzato in contesti diversi (ad esempio, modelli bayesiani), ma non ho mai capito molto bene il termine. Cosa significa questo concetto? In quali circostanze viene invocato questo concetto e perché?
Da Wikipedia: Supponiamo che tu sia in uno spettacolo di gioco e ti venga data la scelta di tre porte: dietro una porta c'è una macchina; dietro gli altri, le capre. Scegli una porta, dì n. 1, e l'host, che sa cosa c'è dietro le porte, apre un'altra porta, dì …
Supponiamo che sia una variabile casuale con pdf . Quindi la variabile casuale ha il pdfXXXfX(x)fX(x)f_X(x)Y=X2Y=X2Y=X^2 fY(y)={12y√(fX(y√)+fX(−y√))0y≥0y<0fY(y)={12y(fX(y)+fX(−y))y≥00y<0f_Y(y)=\begin{cases}\frac{1}{2\sqrt{y}}\left(f_X(\sqrt{y})+f_X(-\sqrt{y})\right) & y \ge 0 \\ 0 & y \lt 0\end{cases} Capisco il calcolo dietro questo. Ma sto cercando di pensare a un modo per spiegarlo a qualcuno che non conosce il calcolo. In …
Di recente ho appreso un principio del ragionamento probabilistico chiamato " spiegare via " e sto cercando di coglierne un'intuizione. Vorrei creare uno scenario. Sia l'evento che si sta verificando un terremoto. Lascia che l'evento sia l'evento in cui il gigante jolly green sta passeggiando per la città. Lascia che …
Una versione molto semplice del teorema centrale limitato come di seguito n−−√((1n∑i=1nXi)−μ) →d N(0,σ2)n((1n∑i=1nXi)−μ) →d N(0,σ2) \sqrt{n}\bigg(\bigg(\frac{1}{n}\sum_{i=1}^n X_i\bigg) - \mu\bigg)\ \xrightarrow{d}\ \mathcal{N}(0,\;\sigma^2) che è Lindeberg – Lévy CLT. Non capisco perché c'è unn−−√n\sqrt{n} sul lato sinistro. E Lyapunov CLT dice 1sn∑i=1n(Xi−μi) →d N(0,1)1sn∑i=1n(Xi−μi) →d N(0,1) \frac{1}{s_n} \sum_{i=1}^{n} (X_i - \mu_i) …
Questo messaggio nell'articolo di Reuter del 25.02.2019 è attualmente in tutte le notizie: Prove per il riscaldamento globale causato dall'uomo colpiscono il "gold standard" [Gli scienziati] hanno affermato che le attività umane che aumentavano il calore sulla superficie terrestre avevano raggiunto un livello di "cinque sigma", un indicatore statistico che …
Qual è la differenza tra varianza finita e infinita? La mia conoscenza delle statistiche è piuttosto semplice; Wikipedia / Google non è stato di grande aiuto qui.
La formula per la probabilità condizionale di accadendo dato che è successo è:AA\text{A}BB\text{B}P(A | B)=P(A∩B)P(B).P(A | B)=P(A∩B)P(B). P\left(\text{A}~\middle|~\text{B}\right)=\frac{P\left(\text{A} \cap \text{B}\right)}{P\left(\text{B}\right)}. Il mio libro di testo spiega l'intuizione dietro questo in termini di diagramma di Venn. Dato che si è verificato , l'unico modo in cui si verifica è che l'evento …
I modelli di additivi generalizzati sono quelli in cui per esempio. le funzioni sono fluide e da stimare. Di solito da spline penalizzate. MGCV è un pacchetto in R che lo fa, e l'autore (Simon Wood) scrive un libro sul suo pacchetto con esempi R. Ruppert, et al. (2003) scrive …
Supponiamo di avere una variabile casuale X∼f(x|θ)X∼f(x|θ)X \sim f(x|\theta) . Se θ0θ0\theta_0 fosse il parametro vero, la funzione di verosimiglianza dovrebbe essere massimizzata e la derivata uguale a zero. Questo è il principio alla base dello stimatore della massima verosimiglianza. A quanto ho capito, le informazioni di Fisher sono definite …
Sto cercando di capire un documento sulla previsione del carico elettrico ma sto lottando con i concetti all'interno, in particolare il modello SARIMAX . Questo modello viene utilizzato per prevedere il carico e utilizza molti concetti statistici che non capisco (sono uno studente di informatica - mi puoi considerare un …
Qual è la differenza intuitiva tra una variabile casuale che converge in probabilità rispetto a una variabile casuale che converge in distribuzione? Ho letto numerose definizioni ed equazioni matematiche, ma questo non aiuta molto. (Tieni presente che sono uno studente universitario che studia economia.) Come può una variabile casuale convergere …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.