Statystyki i duże zbiory danych

Pytania i odpowiedzi dla osób zainteresowanych statystyką, uczeniem maszynowym, analizą danych, eksploracją danych i wizualizacją danych

7
Unikanie dyskryminacji społecznej w budowaniu modeli
Mam pytania inspirowane niedawnym skandalem rekrutacyjnym w Amazon, w którym oskarżano ich o dyskryminację kobiet w procesie rekrutacji. Więcej informacji tutaj : Specjaliści od uczenia maszynowego Amazon.com Inc odkryli duży problem: ich nowy silnik rekrutacyjny nie lubił kobiet. Zespół buduje programy komputerowe od 2014 roku, aby przejrzeć CV kandydatów do …
2
Dlaczego wykładnicze współczynniki regresji logistycznej są uważane za „iloraz szans”?
Regresja logistyczna modeluje dzienne szanse zdarzenia jako pewien zestaw predyktorów. To znaczy, log (p / (1-p)), gdzie p jest prawdopodobieństwem pewnego wyniku. Zatem interpretacja surowych współczynników regresji logistycznej dla niektórych zmiennych (x) musi być zgodna z logarytmiczną skalą szans. Oznacza to, że jeśli współczynnik dla x = 5, to wiemy, …
3
Obliczanie wartości p w ograniczonych (nieujemnych) najmniejszych kwadratach
Używam Matlaba do wykonywania nieograniczonych najmniejszych kwadratów (zwykłych najmniejszych kwadratów) i automatycznie wyprowadza współczynniki, statystyki testowe i wartości p. Moje pytanie brzmi: po wykonaniu ograniczonych najmniejszych kwadratów (ściśle nieujemnych współczynników), wyprowadza tylko współczynniki, BEZ statystyk testowych, wartości p. Czy można obliczyć te wartości, aby zapewnić istotność? I dlaczego nie jest …
1
Jaka jest różnica między VAE a stochastyczną propagacją wsteczną dla modeli Deep Generative?
Jaka jest różnica między automatycznym kodowaniem odmian Bayesa a stochastyczną propagacją wsteczną dla modeli głębokiej generacji ? Czy wnioskowanie w obu metodach prowadzi do takich samych wyników? Nie znam żadnych wyraźnych porównań między tymi dwiema metodami, mimo że obie grupy autorów cytują się nawzajem.
1
Problem z wędkarstwem
Załóżmy, że chcesz łowić ryby w pobliskim jeziorze od 8:00 do 20:00. Z powodu przełowienia wprowadzono prawo, które mówi, że możesz złowić tylko jedną rybę dziennie. Kiedy złapiesz rybę, możesz ją zatrzymać (i w ten sposób wrócić do domu z tą rybą), lub wrzucić ją z powrotem do jeziora i …
2
Jakie jest prawdopodobieństwo, że
Załóżmy, że XXX i YYY są dwuwymiarowe normalne ze średnią μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) i kowariancją Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . Jakie jest prawdopodobieństwo Pr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?
2
Transformacja liniowa normalnych wektorów gaussowskich
Mam trudności z udowodnieniem następującego stwierdzenia. Jest podany w artykule badawczym znalezionym w Google. Potrzebuję pomocy w udowodnieniu tego oświadczenia! Niech X= A S.X=ZAS.X= AS , gdzie ZAZAA jest macierzą ortogonalną, a S.S.S jest gaussowską. Zachowanie izotopowe Gaussa S.S.S który ma taki sam rozkład w dowolnej podstawie ortonormalnej. Jak działa …
2
Co oznacza „Niech dane mówią same za siebie”?
Czytając następujący artykuł , natknąłem się na następujące oświadczenie: Jak wspomniano, często jest przedstawiany bez odniesienia do modeli probabilistycznych, zgodnie z pomysłem Benzecri [1973], aby „pozwolić, aby dane mówiły same za siebie”. (cytat z JP Benzécri. L'analyse des données. Tome II: L'analyse des korespondencji. Dunod, 1973). Z tego, jak czytam …
10 eda  quotation 
1
Z istnienia UMVUE i wybór estymatora w populacji
Niech jest losowa próbka pobierana z populacji, w której \ theta \ w \ mathbb R .N ( θ , θ 2 ) θ ∈ R(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 Szukam UMVUE z θθ\theta . Łączna gęstość (X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) wynosi faθ( x1, x2), ⋯ , xn)= ∏i = 1n1θ 2 π--√exp[ - 12 …
3
MAP jest rozwiązaniem dla
Natknąłem się na te slajdy (slajd 16 i 17) na jednym z kursów online. Instruktor próbował wyjaśnić, w jaki sposób Maximum Posterior Estimate (MAP) jest faktycznie rozwiązaniem , gdzie \ theta ^ {*} to prawdziwy parametr.L(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}]θ∗θ∗\theta^{*} Czy ktoś może wyjaśnić, jak to wygląda? Edycja: Dodano slajdy …
3
Intuicja kryjąca się za wzorem wariancji sumy dwóch zmiennych
Wiem z poprzednich badań, że Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B) = Var(A) + Var(B) + 2 Cov (A,B) Nie rozumiem jednak, dlaczego tak jest. Widzę, że efektem będzie „podniesienie” wariancji, gdy kowboja A i B bardzo wysoko. Sensowne jest, że gdy tworzysz kompozyt z dwóch wysoce skorelowanych zmiennych, zwykle dodajesz wysokie obserwacje z A …
1
Negatywne prawdopodobieństwa: wyjaśnienia laika
Byłem bardzo zaintrygowany odpowiedzią tutaj. Chciałbym uzyskać bardziej laickie wyjaśnienie, co mogą oznaczać negatywne prawdopodobieństwa i ich zastosowania, być może wraz z przykładami. Na przykład, co oznaczałoby, że zdarzenie ma prawdopodobieństwo -10%, zgodnie z tymi rozszerzonymi miarami prawdopodobieństwa?
2
Rozkład i wariancja liczby trójkątów na losowym wykresie
Rozważmy losowy wykres Erdosa-Renyi . Zbiór wierzchołków jest oznaczony . Zbiór krawędzi jest konstruowany losowo.G=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p))nnnVVVV={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\}EEE Niech będzie prawdopodobieństwem , wtedy każda nieuporządkowana para wierzchołków ( ) występuje jako krawędź w z prawdopodobieństwem , niezależnie od innych par.ppp0&lt;p&lt;10&lt;p&lt;10<p<1{i,j}{i,j}\{i,j\}i≠ji≠ji \neq jEEEppp Trójkąt w to nieuporządkowany potrójny różnych wierzchołków, taki że …
3
Pragmatyczne próby: czym one są?
Na Twitterze, trialista Stuart Nicholls skrytykował niedawno opublikowane badanie, mówiąc: W nawiązaniu do bardzo interesującego artykułu Dal-Re zaznaczają kilka przykładów kwestionujących użycie terminu pragmatyczny. Czy badanie fazy 3, prowadzone w wielu miejscach, z podwójnie ślepą próbą, kontrolowane placebo, z równoległym ramieniem, z przyrostem dawki, naprawdę można nazwać „pragmatycznym”? Artykuł badawczy …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.