Sto cercando di ottenere un'intuizione più chiara dietro: "Se rende più probabile, allora rende più probabile"AUNABBBBBBAUNA Sia la dimensione dello spazio in cui e sono, quindin(S)n(S)n(S)AUNABBB Reclamo: quindiP(B|A)>P(B)P(B|UN)>P(B)P(B|A)>P(B)n(AB)/n(A)>n(B)/n(S)n(UNB)/n(UN)>n(B)/n(S)n(AB)/n(A) > n(B)/n(S) quindin(AB)/n(B)>n(A)/n(S)n(UNB)/n(B)>n(UN)/n(S)n(AB)/n(B) > n(A)/n(S) che èP(A|B)>P(A)P(UN|B)>P(UN)P(A|B)>P(A) Capisco la matematica, ma perché questo ha un senso intuitivo?
Un pdf è solitamente scritto come , dove la minuscola viene trattata come una realizzazione o un risultato della variabile casuale che ha quel pdf. Allo stesso modo, un cdf è scritto come , che ha il significato . Tuttavia, in alcune circostanze, come la definizione della funzione score e …
È noto che l'indipendenza delle variabili casuali implica una correlazione zero, ma la correlazione zero non implica necessariamente l'indipendenza. Mi sono imbattuto in molti esempi matematici che dimostrano dipendenza nonostante zero correlazione. Ci sono esempi di vita reale a supporto di questo fatto?
Nel mio libro di testo econometrico (Introduzione all'Ecetretrica) riguardante OLS, l'autore scrive: "SSR deve cadere quando viene aggiunta un'altra variabile esplicativa". Perchè
Ho difficoltà a distinguere tra i concetti di scedasticità e stazionarietà. A quanto ho capito, l'eteroscedasticità è una variabilità differenziata nelle sottopopolazioni e la non stazionarietà è una media / varianza che cambia nel tempo. Se questa è una comprensione corretta (sebbene semplicistica), la non stazionarietà è semplicemente un caso …
Provenienti da un rigoroso background nell'analisi e nella moderna teoria della probabilità, trovo che le statistiche bayesiane siano semplici e di facile comprensione, e le statistiche dei frequentatori sono incredibilmente confuse e poco intuitive. Sembra che i frequentisti stiano davvero facendo statistiche bayesiane, tranne che con "priori segreti" che non …
Nonostante vari tentativi di leggere sul bootstrap, mi sembra di colpire sempre un muro di mattoni. Mi chiedo se qualcuno può dare una definizione ragionevolmente non tecnica di bootstrap? So che in questo forum non è possibile fornire dettagli sufficienti per consentirmi di comprenderlo appieno, ma una leggera spinta nella …
Quindi qui sto studiando modelli lineari generalizzati. So che questa domanda è abbastanza ingenua e semplice, ma non so esattamente perché la funzione canonica di collegamento sia così utile. Qualcuno potrebbe fornirmi un'intuizione su questo problema?
Sto cercando di capire l'intuizione dietro il selvaggio bootstrap. Che cosa sta realmente facendo? Devo essere in grado di capire cosa sta cercando di fare rispetto a una regressione convenzionale. I miei dati hanno eteroschedasticità e il metodo che utilizzo fa 5000 repliche. Come genera 5000 dati extra?
Spesso, in letteratura, gli autori sono stati interessati a trovare la distribuzione stazionaria di un processo di serie storiche. Ad esempio, considera il seguente semplice processo AR ( ) : dove .111{Xt}{Xt}\{X_t\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t, et∼iidfet∼iidfe_t\stackrel{iid}{\thicksim} f Quali potrebbero essere le motivazioni per trovare la distribuzione stazionaria di …
In un'altra puntata di intuizioni per identità in probabilità, si consideri la Legge dell'identità elementare della varianza totale V a r (X)=E [ V a r (X | Y)]+ V a r (E[X | Y])Var(X)=E[Var(X|Y)]+Var(E[X|Y]) \begin{eqnarray} \rm{Var}(X) &=&\rm{E}[\rm{Var}(X|Y)] + \rm{Var}(E[X|Y]) \end{eqnarray} È una semplice manipolazione algebrica semplice della definizione di …
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.