Pytania otagowane jako convergence

Zbieżność ogólnie oznacza, że ​​sekwencja określonej ilości próbki zbliża się do stałej, gdy wielkość próbki dąży do nieskończoności. Zbieżność jest również właściwością iteracyjnego algorytmu stabilizującego na jakiejś wartości celu.

1
Diagnostyka konwergencji Gelmana i Rubina, jak uogólnić do pracy z wektorami?
Diagnostyka Gelmana i Rubina służy do sprawdzania zbieżności wielu równoległych łańcuchów mcmc. Porównuje wariancję wewnątrz łańcucha z wariancją między łańcuchem, opis poniżej: Kroki (dla każdego parametru): Poprowadź m ≥ 2 łańcuchy o długości 2n od nadmiernie rozproszonych wartości początkowych. Odrzuć pierwsze n losowań w każdym łańcuchu. Oblicz wariancję wewnątrz łańcucha …

4
Intuicyjne zrozumienie różnicy między konsekwentnym a asymptotycznie bezstronnym
Staram się uzyskać intuicyjne zrozumienie i wyczuć różnicę i praktyczną różnicę między terminem spójnym a asymptotycznie bezstronnym. Znam ich matematyczne / statystyczne definicje, ale szukam czegoś intuicyjnego. Dla mnie, patrząc na ich indywidualne definicje, prawie wydają się być tym samym. Zdaję sobie sprawę, że różnica musi być subtelna, ale po …


2
Czy twierdzenie Słuckiego jest nadal aktualne, gdy obie sekwencje zbiegają się w nie-zdegenerowanej zmiennej losowej?
Jestem zdezorientowany niektórymi szczegółami na temat twierdzenia Słuckiego : Niech , będą dwiema sekwencjami losowych elementów skalarnych / wektorowych / macierzowych.{ Y n }{ Xn}{Xn}\{X_n\}{ Yn}{Yn}\{Y_n\} Jeśli zbiega się w rozkładzie do losowego elementu a zbiega się w prawdopodobieństwie do stałej , to pod warunkiem, że c jest odwracalne, gdzie …

3
Odnośnie zbieżności prawdopodobieństwa
Niech będzie sekwencją losowych zmiennych st prawdopodobieństwa, gdzie jest stałą stałą. Próbuję wyświetlić następujące elementy: i oba z prawdopodobieństwem. Jestem tutaj, aby sprawdzić, czy moja logika była dobra. Oto moja praca{Xn}n≥1{Xn}n≥1\{X_n\}_{n\geq 1}Xn→aXn→aX_n \to aa&gt;0a&gt;0a>0Xn−−−√→a−−√Xn→a\sqrt{X_n} \to \sqrt{a}aXn→1aXn→1\frac{a}{X_n}\to 1 PRÓBA W pierwszej części mamy Zauważ, że Wynika z tego, że |Xn−−−√−a−−√|&lt;ϵ⟸|Xn−a|&lt;ϵ|Xn−−−√+a−−√|=ϵ|(Xn−−−√−sqrta)+2a−−√||Xn−a|&lt;ϵ⟸|Xn−a|&lt;ϵ|Xn+a|=ϵ|(Xn−sqrta)+2a||\sqrt{X_n}-\sqrt{a}|<\epsilon \impliedby …

2
Co dzieje się ze współczynnikiem prawdopodobieństwa, gdy gromadzonych jest coraz więcej danych?
Niech fafaf , solsolg i hhh są gęstości i załóżmy, że masz xja∼ godzxja∼hx_i \sim h , i ∈ Nja∈N.i \in \mathbb{N} . Co dzieje się ze współczynnikiem prawdopodobieństwa ∏i = 1nfa( xja)sol( xja)∏ja=1nfa(xja)sol(xja) \prod_{i=1}^n \frac{f(x_i)}{g(x_i)} jakn → ∞n→∞n \rightarrow \infty? (Czy to się zbiega? Do czego?) Na przykład możemy …

3
Jeszcze jedno centralne pytanie dotyczące limitu
Niech będzie sekwencją niezależnych zmiennych losowych Bernoulliego z Ustaw Pokaż, że zbiega się w rozkładzie do standardowej zmiennej normalnej gdy dąży do nieskończoności.{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}P{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}.Sn=∑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}SnBnSnBn\frac{S_n}{B_n}ZZZnnn Moja próba użycia CLT Lyapunova, dlatego musimy pokazać, że istnieje taka, że δ&gt;0δ&gt;0\delta>0limn→∞1B2+δn∑k=1nE[|Xk−1k|2+δ]=0.limn→∞1Bn2+δ∑k=1nE[|Xk−1k|2+δ]=0.\lim_{n\rightarrow \infty}\frac{1}{B_n^{2+\delta}}\sum_{k=1}^{n}E[|X_k-\frac{1}{k}|^{2+\delta}]=0. Więc ustaw δ=1δ=1\delta=1∑k=1nE∣∣Xk−k−1∣∣3=∑k=1n(1k−3k2+4k3−2k4)∑k=1nE|Xk−k−1|3=∑k=1n(1k−3k2+4k3−2k4) \sum_{k=1}^{n}E\left|X_k-k^{-1}\right|^{3}=\sum_{k=1}^{n} \left(\frac{1}{k}-\frac{3}{k^2}+\frac{4}{k^3}-\frac{2}{k^4}\right) i B3n=(∑k=1n1k−1k2)(∑k=1n1k−1k2)−−−−−−−−−−−−⎷Bn3=(∑k=1n1k−1k2)(∑k=1n1k−1k2) B_n^3=\left( \sum_{k=1}^n …

1
Czy MLE z
Załóżmy, że ma plik pdf(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x&gt;0,y&gt;0,θ&gt;0fθ(x,y)=e−(x/θ+θy)1x&gt;0,y&gt;0,θ&gt;0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Gęstość próbki pobranej z tej populacji jest zatem(X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn&gt;0=exp[−nx¯θ−θny¯]1x(1),y(1)&gt;0,θ&gt;0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn&gt;0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)&gt;0,θ&gt;0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} Estymator największego prawdopodobieństwa można uzyskać jakoθθ\theta θ^(X,Y)=X¯¯¯¯Y¯¯¯¯−−−√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} Chcę wiedzieć, czy ograniczenie tego MLE jest normalne, …

1
Pokaż oszacowanie jest zbieżne do percentyla dzięki statystykom zamówień
Niech X1,X2,…,X3nX1,X2,…,X3nX_1, X_2, \ldots, X_{3n} będzie sekwencją losowych zmiennych losowych próbkowanych ze stabilnego rozkładu alfa , o parametrach α=1.5,β=0,c=1.0,μ=1.0α=1.5,β=0,c=1.0,μ=1.0\alpha = 1.5, \; \beta = 0, \; c = 1.0, \; \mu = 1.0 . Rozważmy teraz sekwencję Y1,Y2,…,YnY1,Y2,…,YnY_1, Y_2, \ldots, Y_{n} , gdzie Yj+1=X3j+1X3j+2X3j+3−1Yj+1=X3j+1X3j+2X3j+3−1Y_{j+1} = X_{3j+1}X_{3j+2}X_{3j+3} - 1 , dla …

3
Test statystyczny, aby sprawdzić, kiedy zaczynają się rozchodzić dwie podobne serie czasowe
Od tytułu chciałbym wiedzieć, czy istnieje test statystyczny, który może mi pomóc zidentyfikować znaczącą rozbieżność między dwoma podobnymi szeregami czasowymi. W szczególności, patrząc na poniższy rysunek, chciałbym wykryć, że szereg zaczyna się rozchodzić w czasie t1, tj. Kiedy różnica między nimi zaczyna być znacząca. Co więcej, wykryłbym również, kiedy różnica …

2
Udowodnij lub podaj kontrprzykład: Jeśli , toXnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX(∏ni=1Xi)1/n(∏i=1nXi)1/n(\prod_{i=1}^{n}X_i)^{1/n} →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX Moja próba : FALSE: Załóżmy, że może przyjmować tylko wartości ujemne i załóżmy, żeXXXXn≡XXn≡XX_n \equiv X ∀∀\forall nnn WTEDY , jednak dla parzystego , nie jest ściśle ujemny. Zamiast tego zamienia ujemne na …

1
Czy istnieje twierdzenie, które mówi, że zbiega się w rozkładzie normalnym, gdy idzie w nieskończoność?
Niech będzie dowolnym rozkładem ze zdefiniowaną średnią, i odchyleniem standardowym, . Twierdzenie o limicie centralnym mówi, że zbiega się w rozkładzie do standardowego rozkładu normalnego. Jeśli zastąpimy przez przykładowe odchylenie standardowe , to czy istnieje twierdzenie, że zbiega się w rozkładzie do rozkładu t? Ponieważ dla dużychXXXμμ\muσσ\sigman−−√X¯−μσnX¯−μσ \sqrt{n}\frac{\bar{X} - \mu}{\sigma} …

1
K-oznacza: ile iteracji w sytuacjach praktycznych?
Nie mam doświadczenia w branży eksploracji danych ani dużych zbiorów danych, więc chciałbym usłyszeć, jak dzielisz się doświadczeniami. Czy ludzie faktycznie używają k-średnich, PAM, CLARA itp. Na naprawdę dużym zbiorze danych? Czy po prostu losowo wybierają z niego próbkę? Jeśli po prostu pobiorą próbkę zestawu danych, czy wynik byłby wiarygodny, …

1
Niemal na pewno konwergencja nie oznacza pełnej konwergencji
Mówimy X1,X2,…X1,X2,…X_1, X_2, \ldots zbiegają się całkowicie do XXX jeśli dla każdego ϵ&gt;0ϵ&gt;0\epsilon>0 ∑∞n=1P(|Xn−X|&gt;ϵ)&lt;∞∑n=1∞P(|Xn−X|&gt;ϵ)&lt;∞\sum_{n=1}^\infty \text{P}\left(|X_n-X|>\epsilon\right) <\infty. Z lematem Borela Cantellego można łatwo udowodnić, że pełna zbieżność oznacza prawie pewną zbieżność. Szukam przykładu, na który prawie na pewno nie udało się udowodnić zbieżności z Borel Cantelli. Jest to sekwencja zmiennych losowych, …

1
R regresja liniowa zmienna kategorialna „ukryta” wartość
To tylko przykład, na który natknąłem się kilka razy, więc nie mam żadnych przykładowych danych. Uruchamianie modelu regresji liniowej w R: a.lm = lm(Y ~ x1 + x2) x1jest zmienną ciągłą. x2jest kategoryczny i ma trzy wartości, np. „Niska”, „Średnia” i „Wysoka”. Jednak dane wyjściowe podane przez R byłyby mniej …
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 

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.