Запитання з тегом «stochastic-processes»

Модель "Лінійний балістичний акумулятор" (LBA) - досить вдала модель поведінки людини у швидких простих завданнях рішення. Donkin і ін (2009, PDF ) надати код , який дозволяє оцінити параметри моделі даної поведінкові дані людини, і я скопіював цей код (з деякими незначними змінами форматування) по суті тут . Однак я …

11 r  stochastic-processes 

Проста лінійна модель: x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t деϵtϵt\epsilon_t ~ iidN(0,σ2)N(0,σ2)N(0,\sigma^2) при E(x)=αtE(x)=αtE(x) = \alpha t і Var(x)=σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): де ϵ t ~ iid N ( 0 , σ 2 )Xt=αXt−1+ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} + \epsilon_tϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) при і V a r ( x ) = t σ 2E(x)=αtE(x)=αtE(x) = \alpha tVar(x)=tσ2Var(x)=tσ2Var(x)=t\sigma^2 …

11 regression  stochastic-processes  autoregressive  deterministic 

Процес є строго стаціонарним , якщо спільний розподіл X т 1 , Х т 2 , . . . , X t m - те саме, що спільний розподіл для всіх , для всіх і для всіх .XтХтX_tXt1,Xt2, . . . , XtмХт1,Хт2,...,ХтмX_{t_1},X_{t_2},...,X_{t_m} т до т 1 , т 2 …

11 time-series  autocorrelation  stochastic-processes  stationarity 

Припустимо, ви хочете порибалити на сусідньому озері з 8:00 до 20:00. Через перевилов рибу було встановлено закон, який говорить, що ви можете ловити лише одну рибу на день. Коли ви ловите рибу, ви можете вибрати її утримувати (і, таким чином, піти додому з цією рибою), або кинути її назад в …

10 stochastic-processes  optimal-stopping 

Уявіть ситуацію: ми маємо історичні записи (20 років) про три шахти. Чи збільшує присутність срібла ймовірність знайти золото в наступному році? Як перевірити таке питання? Ось приклади даних: mine_A <- c("silver","rock","gold","gold","gold","gold","gold", "rock","rock","rock","rock","silver","rock","rock", "rock","rock","rock","silver","rock","rock") mine_B <- c("rock","rock","rock","rock","silver","rock","rock", "silver","gold","gold","gold","gold","gold","rock", "silver","rock","rock","rock","rock","rock") mine_C <- c("rock","rock","silver","rock","rock","rock","rock", "rock","silver","rock","rock","rock","rock","silver", "gold","gold","gold","gold","gold","gold") time <- seq(from = 1, to = …

10 r  time-series  hypothesis-testing  stochastic-processes 

Я працюю над набором даних. Після використання деяких методів ідентифікації моделі я вийшов із моделлю ARIMA (0,2,1). Я використав detectIOфункцію в пакеті TSAв R, щоб виявити інноваційний зовнішній вигляд (IO) під час 48-го спостереження за моїм оригінальним набором даних. Як я включу цей зовнішній вигляд у свою модель, щоб я …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Розглянемо нескінченний випадковий геометричний графік, у якому місця розташування вузлів слідують за процесом точки Пуассона з щільністю а ребра розміщуються між вузлами, ближчими . Тому довжина країв дотримується наступного PDF:ρρ\rhoddd f(l)={2ld2l≤d0l>df(l)={2ld2l≤d0l>d f(l)= \begin{cases} \frac{2 l}{d^2} \;\quad l \le d \\ 0 \qquad\; l > d \end{cases} На наведеному вище графіку …

10 probability  stochastic-processes  pdf  asymptotics  graph-theory 

У січні Interviewstreet був другий CodeSprint, який включив питання нижче. Програмна відповідь розміщується, але не містить статистичного пояснення. (Ви можете ознайомитись з оригінальною проблемою та розміщеним рішенням, увійшовши на веб-сайт Interviewstreet за допомогою кредитів Google, а потім перейдіть до проблеми Coin Tosses з цієї сторінки .) Викидання монет У вас …

10 probability  stochastic-processes  markov-process 

У когось є приємний приклад стохастичного процесу, який є стаціонарним 2-го порядку, але не є строго нерухомим?

10 time-series  stochastic-processes  stationarity 

Це лише приклад, на який я зустрічався кілька разів, тому у мене немає даних про вибірку. Запуск лінійної регресійної моделі в R: a.lm = lm(Y ~ x1 + x2) x1є суцільною змінною. x2категоричний і має три значення, наприклад "Низький", "Середній" та "Високий". Однак вихід, отриманий R, був би на кшталт: …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Як ви інтерпретуєте криву виживання з пропорційною моделлю небезпеки Кокса? У цьому прикладі іграшки, припустимо, ми маємо коксову пропорційну модель небезпеки для ageзмінної kidneyданих та генеруємо криву виживання. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Наприклад, на час 200200200, яке твердження вірно? або обидва помиляються? Заява 1: у …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear