Domande taggate «probability»

Una probabilità fornisce una descrizione quantitativa della probabile occorrenza di un particolare evento.

5
Perché rifiutiamo l'ipotesi nulla a livello 0,05 e non a livello 0,5 (come facciamo nella classificazione)
Il test di ipotesi è simile a un problema di classificazione. Quindi, diciamo, abbiamo 2 possibili etichette per un'osservazione (soggetto): colpevole contro non colpevole. Lascia che il non colpevole sia l'ipotesi nulla. Se considerassimo il problema dal punto di vista della classificazione, formeremmo un classificatore che predirebbe la probabilità del …
3
Ennesima questione del teorema del limite centrale
Sia una sequenza di variabili casuali di Bernoulli indipendenti con Imposta Mostra che converge nella distribuzione alla variabile normale standard come tende all'infinito.P { X k = 1 } = 1 - P { X k = 0 } = 1{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}Sn= n ∑ k=1(Xk-1P{Xk=1}=1−P{Xk=0}=1k.P{Xk=1}=1−P{Xk=0}=1k.P\{X_k=1\}=1-P\{X_k=0\}=\frac{1}{k}. SnSn=∑k=1n(Xk−1k), B2n=∑k=1nk−1k2Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2S_n=\sum^{n}_{k=1}\left(X_k-\frac{1}{k}\right), \ B_n^2=\sum^{n}_{k=1}\frac{k-1}{k^2} ZnSnBnSnBn\frac{S_n}{B_n}ZZZnnn …
2
Perché Bayes Classifier è il classificatore ideale?
È considerato il caso ideale in cui la struttura di probabilità alla base delle categorie è conosciuta perfettamente. Perché con il classificatore Bayes otteniamo le migliori prestazioni possibili? Qual è la prova / spiegazione formale per questo? Poiché utilizziamo sempre il classificatore Bayes come benchmark per confrontare le prestazioni di …
3
Visualizza la distribuzione binomiale bivariata
Domanda: come appare una distribuzione binomiale bivariata nello spazio tridimensionale? Di seguito è la funzione specifica che vorrei visualizzare per vari valori dei parametri; vale a dire, , e .p 1 p 2nnnp1p1p_{1}p2p2p_{2} f(x1,x2)=n!x1!x2!px11px22,x1+x2=n,p1+p2=1.f(x1,x2)=n!x1!x2!p1x1p2x2,x1+x2=n,p1+p2=1.f(x_{1},x_{2}) = \frac{n!}{x_{1}!x_{2}!}p_{1}^{x_{1}}p_{2}^{x_{2}}, \qquad x_{1}+x_{2}=n, \quad p_{1}+p_{2}=1. Si noti che esistono due vincoli; e . Inoltre, è …
1
Convessità della funzione di PDF e CDF della normale variabile casuale normale
Fornisci la prova che è convesso . Qui, e sono rispettivamente il normale PDF e CDF standard. ∀x>0ϕΦQ(x)=x2+xϕ(x)Φ(x)Q(x)=x2+xϕ(x)Φ(x)Q\left(x\right)=x^{2}+x\frac{\phi\left(x\right)}{\Phi\left(x\right)}∀x>0∀x>0\forall x>0 ϕϕ\phiΦΦ\mathbf{\Phi} PASSAGGI PROVATI 1) METODO DI CALCOLO Ho provato il metodo di calcolo e ho una formula per il secondo derivato, ma non sono in grado di dimostrare che è positivo …
1
Modellistica bayesiana mediante multivariata normale con covariata
Supponiamo di avere una variabile esplicativa X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right) dove sss rappresenta una data coordinata. Hai anche una variabile di risposta Y=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) . Ora, possiamo combinare entrambe le variabili come: W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) In questo caso, scegliamo semplicemente e è …
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.