Domande taggate «mathematical-statistics»

Teoria matematica della statistica, interessata da definizioni formali e risultati generali.

3
Qual è la relazione tra la distribuzione Beta e il modello di regressione logistica?
La mia domanda è: qual è la relazione matematica tra la distribuzione Beta e i coefficienti del modello di regressione logistica ? Per illustrare: la funzione logistica (sigmoid) è data da f(x)=11+exp(−x)f(x)=11+exp⁡(−x)f(x) = \frac{1}{1+\exp(-x)} ed è usato per modellare le probabilità nel modello di regressione logistica. Sia AAA un esito …
1
Qual è l'intuizione dietro i campioni scambiabili sotto l'ipotesi nulla?
I test di permutazione (chiamati anche test di randomizzazione, test di ri-randomizzazione o test esatto) sono molto utili e sono utili quando l'assunzione della distribuzione normale richiesta da per esempio t-testnon è soddisfatta e quando la trasformazione dei valori per classifica del test non parametrici come Mann-Whitney-U-testquesto porterebbero alla perdita …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
3
Il lemma di Neyman-Pearson può essere applicato al caso in cui il semplice null e l'alternativa non appartengono alla stessa famiglia di distribuzioni?
Il lemma di Neyman-Pearson può essere applicato al caso in cui un semplice null e una semplice alternativa non appartengono alla stessa famiglia di distribuzioni? Dalla sua prova, non vedo perché non possa. Ad esempio, quando il semplice null è una distribuzione normale e la semplice alternativa è una distribuzione …
1
Perché stabilizziamo la varianza?
Mi sono imbattuto nella varianza stabilizzando la trasformazione mentre leggevo il metodo Kaggle Essay Eval . Usano una trasformazione di stabilizzazione della varianza per trasformare i valori kappa prima di prendere la loro media e poi trasformarli indietro. Anche dopo aver letto il wiki sulle trasformazioni di stabilizzazione della varianza …
3
Alcune domande sulla casualità statistica
Da randoness statistico di Wikipedia : La casualità globale e la casualità locale sono diverse. La maggior parte delle concezioni filosofiche della casualità sono globali, perché si basano sull'idea che "nel lungo periodo" una sequenza sembra veramente casuale, anche se alcune sotto-sequenze non sembrano casuali. In una sequenza "veramente" casuale …
2
Wolfram Mathworld commette un errore descrivendo una distribuzione di probabilità discreta con una funzione di densità di probabilità?
Di solito una distribuzione di probabilità su variabili discrete è descritta usando una funzione di massa di probabilità (PMF): Quando si lavora con variabili casuali continue, descriviamo le distribuzioni di probabilità utilizzando una funzione di densità di probabilità (PDF) anziché una funzione di massa di probabilità. - Deep Learning di …
3
Se sono IID, quindi calcola , dove
Domanda Se sono IID, quindi calcola , dove .X1,⋯,Xn∼N(μ,1)X1,⋯,Xn∼N(μ,1)X_1,\cdots,X_n \sim \mathcal{N}(\mu, 1)E(X1∣T)E(X1∣T)\mathbb{E}\left( X_1 \mid T \right)T=∑iXiT=∑iXiT = \sum_i X_i Tentativo : verificare se il seguito è corretto. Diciamo, prendiamo la somma di quelle aspettative condizionali tali che, Significa che ogni poiché X_1, \ ldots, X_n sono IID.∑iE(Xi∣T)=E(∑iXi∣T)=T.∑iE(Xi∣T)=E(∑iXi∣T)=T.\begin{align} \sum_i \mathbb{E}\left( X_i …
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.