Запитання з тегом «estimation»

Цей тег занадто загальний; надайте більш конкретний тег. Для запитань про властивості конкретних оцінок замість цього використовуйте тег [оцінювачі].

2
Оцініть швидкість, за якою важить стандартне відхилення за допомогою незалежної змінної
У мене є експеримент, в якому я здійснюю вимірювання нормально розподіленої змінної ,YYY Y∼N(μ,σ)Y∼N(μ,σ)Y \sim N(\mu,\sigma) Однак попередні експерименти дали деякі докази того, що стандартне відхиленняσσ\sigma є афінною функцією незалежної змінної XXX , тобто σ=a|X|+bσ=a|X|+b\sigma = a|X| + b Y∼N(μ,a|X|+b)Y∼N(μ,a|X|+b)Y \sim N(\mu,a|X| + b) Я хотів би оцінити параметри і …

1
Оцінювач Джеймса-Штейна з неоднаковими варіаціями
Кожне твердження, що я знаходжу оцінника Джеймса-Штейна, передбачає, що випадкові змінні, що оцінюються, мають однакову (і одиничну) дисперсію. Але всі ці приклади також згадують, що оцінювач JS може бути використаний для оцінки величин, що не мають нічого спільного. Приклад вікіпедії - швидкість світла, споживання чаю на Тайвані та вага свиней …

2
Оцінка дисперсії центральних цензурованих нормальних зразків
Я нормально розподілені процеси , з яких я отримую невеликі зразки ( п , як правило , 10-30) , що я хочу використовувати для оцінки дисперсії. Але часто зразки знаходяться настільки близько, що ми не можемо виміряти окремі точки біля центру. Я маю таке розпливчасте розуміння, що ми повинні мати …

1
Оцінка нахилу прямої частини сигмовидної кривої
Мені було дано це завдання і застукали. Колега попросив мене оцінити та x l o w e r наступної діаграми:хu p p e rхуppеrx_{upper}хл о ш е рхлошеrx_{lower} Крива насправді є кумулятивним розподілом, а x - це якесь вимірювання. Йому цікаво знати, які є відповідні значення на x, коли сукупна …

1
Приклад максимальної оцінки після
Я читав про оцінку максимальної ймовірності та максимальну післяорієнтовану оцінку, і поки що я зустрічав конкретні приклади лише з максимальною оцінкою ймовірності. Я знайшов декілька абстрактних прикладів максимальної оцінки після, але нічого конкретного з цифрами: S Це може бути дуже непосильним, працюючи лише з абстрактними змінними та функціями, і щоб …

1
Як оцінити верхню межу для логістичної регресії лише від 5 до 7 точок даних?
У мене є дані форми . Для оцінки від до я використовую формули цієї статті: Джон Фокс - нелінійна регресія та нелінійні найменші квадрати У цій роботі оцінюється , переглядаючи дані. Якщо я це зробити, це працює добре, навіть якщо у мене є лише три бали. З цього можу обчислити …

2
Довідка для
У своїй відповіді на моє попереднє запитання @Erik P. дає вираз де κ - надлишок куртозу розподілу. Наведено посилання на запис у Вікіпедії щодорозподілу вибіркової дисперсії, але на сторінці Вікіпедії написано "потрібне цитування".Var[s2] = σ4( 2n - 1+ κн),Var[s2]=σ4(2n−1+κn), \mathrm{Var}[s^2]=\sigma^4 \left(\frac{2}{n-1} + \frac{\kappa}{n}\right) \>, κκ\kappa Моє первинне запитання: чи є …

3
Оцінка середнього і st dev усіченої гауссової кривої без шипа
Припустимо, у мене є чорна скринька, яка генерує дані після нормального розподілу із середнім m та стандартним відхиленням s. Припустимо, однак, що коли він виводить значення <0, воно нічого не записує (навіть не можу сказати, що воно виводить таке значення). У нас усічений гауссовий розподіл без шипу. Як я можу …

1
R / mgcv: Чому тензорні вироби te () і ti () створюють різні поверхні?
У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

2
Скільки обчислення необхідно для розуміння максимальної оцінки ймовірності?
Я намагаюся скласти план навчання для вивчення ПНЖ. Для цього я намагаюся розібратися, який мінімальний рівень обчислення, необхідний для розуміння MLE. Чи достатньо зрозуміти основи обчислення (тобто знайти мінімум та максимум функцій), щоб зрозуміти MLE?

2
Як оцінити точність інтеграла?
Надзвичайно поширена ситуація в комп'ютерній графіці полягає в тому, що колір деякого пікселя дорівнює інтегралу якоїсь функції з реальною цінністю. Часто функція занадто складна, щоб її вирішити аналітично, тому нам залишається числове наближення. Але функція також часто дуже дорога для обчислення, тому ми сильно обмежені у тому, скільки зразків ми …

1
Чи не пов'язані оцінки коефіцієнтів регресії?
Розглянемо просту регресію (нормальність не передбачається): Yi= a + bХi+еi,Yi=a+bXi+ei,Y_i = a + b X_i + e_i, де еieie_i з середнім значенням 000 і стандартне відхилення σσ\sigma. Оцінки найменших квадратнихаaa і бbb некорельований?

1
Про існування UMVUE і вибору оцінки з в населення
Нехай являє собою випадкову вибірку взяті з населення , де .(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Я шукаю UMVUE .θθ\theta Спільна щільність є(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , де і .h(x)=1г( θ , Т( х ) ) = 1( θ 2 π√)ндосвід[ 1θ∑нi = 1хi- 12 …

2
UMVUE з під час вибірки з сукупності
Нехай - випадкова вибірка з щільності(X1,X2,…,Xn)(X1,X2,…,Xn)(X_1,X_2,\ldots,X_n)fθ(x)=θxθ−110<x<1,θ>0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Я намагаюся знайти UMVUE .θ1+θθ1+θ\frac{\theta}{1+\theta} Щільність стику становить(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp[(θ−1)∑i=1nlnxi+nlnθ+ln(10<x1,…,xn<1)],θ>0fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp⁡[(θ−1)∑i=1nln⁡xi+nln⁡θ+ln⁡(10<x1,…,xn<1)],θ>0\begin{align} f_{\theta}(x_1,\cdots,x_n)&=\theta^n\left(\prod_{i=1}^n x_i\right)^{\theta-1}\mathbf1_{00 \end{align} Оскільки сукупність pdf належить до однопараметричного експоненціального сімейства, це показує, що повна достатня статистика для єfθfθf_{\theta}θθ\thetaT(X1,…,Xn)=∑i=1nlnXiT(X1,…,Xn)=∑i=1nln⁡XiT(X_1,\ldots,X_n)=\sum_{i=1}^n\ln X_i Так , на перший погляд, дасть мені UMVUE з сама Теорема Леманна-Шеффе. Не впевнений, …

2
Відбій Кулбека-Лейблера для двох зразків
Я намагався реалізувати числову оцінку дивергенції Куллбека-Лейблера для двох зразків. Для налагодження реалізації намалюйте вибірки з двох нормальних розподілів та .N(0,1)N(0,1)\mathcal N (0,1)N(1,2)N(1,2)\mathcal N (1,2) Для простої оцінки я створив дві гістограми і спробував числово наблизити інтеграл. Я застряг в обробці тих частин гістограми, де бункери однієї гістограми дорівнюють нулю, …

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.