Запитання з тегом «estimation»

У нас є N зразків, XiXiX_i, від рівномірного розподілу [0,θ][0,θ][0,\theta] де θθ\thetaневідомо. Оцінітьθθ\theta з даних. Отже, правило Байєса ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} і ймовірність така: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (редагувати: коли для всіх , а 0 в іншому випадку - дякую блуд)0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \thetaiii але не …

10 bayesian  estimation  uniform  uninformative-prior 

Яка різниця між ними і чому рівень значущості повинен бути завжди вищим або рівним розміру тесту?

10 estimation 

Мене вчили, що ми можемо дати оцінку параметрів у вигляді довірчого інтервалу після вибірки з популяції. Наприклад, 95% довірчі інтервали, без порушених припущень, повинні мати 95% успішність вмісту того, що б істинний параметр, який ми оцінюємо, у сукупності. Тобто, Складіть бальну оцінку з вибірки. Визначте діапазон значень, який теоретично має …

9 hypothesis-testing  confidence-interval  estimation  inference 

Припустимо, у вас був чужий рік з невідомою довжиною N. Якщо у вас є випадкова вибірка згаданих прибульців, і деякі з них діляться днями народження, чи можете ви використовувати ці дані для оцінки тривалості року? Наприклад, у вибірці 100, у вас може бути дві трійки (тобто два дні народження, які …

9 estimation  inference  birthday-paradox 

Приклади: у мене є речення в описі посади: "Старший інженер Java у Великобританії". Я хочу використовувати модель глибокого навчання, щоб передбачити її як 2 категорії: English і IT jobs. Якщо я використовую традиційну модель класифікації, вона може передбачити лише 1 мітку з softmaxфункцією на останньому шарі. Таким чином, я можу …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Кількість аварій на день - випадкова величина Пуассона з параметром , за 10 випадково вибраних днів кількість аварій спостерігалося як 1,0,1,1,2,0,2,0,0,1, яка буде бути неупередженим оцінювачем ?λλ\lambdaеλeλe^{\lambda} Я намагався спробувати таким чином: Ми знаємо, що , але . Тоді яким буде необхідний неупереджений оцінювач?Е(х¯) = λ = 0,8E(x¯)=λ=0.8E(\bar{x})=\lambda=0.8Е(ех¯) ≠ еλE(ex¯)≠ …

9 self-study  estimation  poisson-distribution 

Розглянемо квадратичну втрату , з попередньо заданим де . Нехай ймовірність. Знайдіть оцінку Байєса .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Розглянемо зважені квадратичні втрати де з попереднім . Нехай - вірогідність. Знайдіть оцінку Байєса .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Порівняйте іδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Спочатку я помітив, що , і я припустив, що така ймовірність, інакше я …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Викладач мого університету поставив таке запитання (не для домашніх завдань, оскільки закінчився клас, і я не був у ньому). Я не можу зрозуміти, як підійти до цього. Питання стосується 2 пакетиків, кожен з яких містить асортимент різних видів фруктів: Перший мішок містить наступні випадково відібрані фрукти: + ------------- + -------- …

9 regression  estimation 

Я досить новачок у статистиці (жменька курсів Uni для початківців) і цікавився вибіркою з невідомих дистрибутивів. Зокрема, якщо ви не маєте поняття про базовий розподіл, чи є якийсь спосіб «гарантувати» отримання репрезентативного зразка? Приклад для ілюстрації: скажіть, ви намагаєтеся з’ясувати глобальний розподіл багатства. Для будь-якої окремої людини можна якось дізнатися …

9 distributions  estimation  sampling  sample-size  algorithms 

Скажімо, у мене в мішку N куль. На своєму першому розіграші я відзначаю м'яч і замінюю його в мішку. На другому розіграші, якщо я беру позначений кулю, повертаю його в сумку. Якщо, однак, я беру не помічений кулю, то відзначаю його і повертаю в сумку. Я продовжую це для будь-якої …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

За замовчуванням, коли ми використовуємо glmфункцію в R, він використовує метод ітераційно перезавантажених найменших квадратів (IWLS), щоб знайти максимальну оцінку ймовірності параметрів. Зараз у мене два питання. Чи гарантують оцінки IWLS глобальний максимум функції ймовірності? На основі останнього слайду в цій презентації, я думаю, це не так! Я просто хотів …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Я читав про MLE як метод генерування відповідного розподілу. Я натрапив на твердження, що максимальна оцінка ймовірності "має приблизні нормальні розподіли". Чи означає це, що якщо я застосовуватимуть MLE неодноразово над моїми даними та сімейством дистрибутивів, до яких я намагаюся підходити, отримані моделі будуть нормально розподілятися? Як саме послідовність розподілів …

9 normal-distribution  estimation  maximum-likelihood 

Я вивчаю різні методи точкового оцінювання і читаю, що при використанні оцінок MAP проти ML, коли ми використовуємо "єдиний попередній", оцінки однакові. Чи може хтось пояснити, що таке "рівномірний" пріоритет, і навести кілька (простих) прикладів, коли оцінки MAP та ML будуть однаковими?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

Населення r-квадрат ρ2ρ2\rho^2 можна визначити, якщо взяти фіксовані або випадкові бали: Фіксовані бали: розмір вибірки та конкретні значення прогнозів утримуються фіксованими. Таким чином,ρ2fρf2\rho^2_f - частка дисперсії, поясненої в результаті, рівнянням регресії сукупності, коли значення предиктора підтримуються постійними. Випадкові бали: Конкретні значення прогнозів виводяться з розподілу. Таким чином,ρ2rρr2\rho^2_r відноситься до частки …

9 regression  estimation  r-squared 

Я шукаю надійну оцінку середнього значення, яке має конкретну властивість. У мене є набір елементів, для яких я хочу обчислити цю статистику. Потім я додаю нові елементи по одному, і для кожного додаткового елемента я хотів би перерахувати статистику (також відомий як онлайн-алгоритм). Я хотів би, щоб цей розрахунок оновлення …

9 estimation  mean  robust