Statystyki i duże zbiory danych distributions

2

Jak nazywałem się ten rozkład dyskretny (równanie różnicy rekurencyjnej)?

Natknąłem się na tę dystrybucję w grze komputerowej i chciałem dowiedzieć się więcej o jej zachowaniu. To zależy od decyzji, czy określone zdarzenie powinno nastąpić po określonej liczbie akcji gracza. Szczegóły poza tym nie są istotne. Wydaje się, że ma zastosowanie w innych sytuacjach, i uważam to za interesujące, ponieważ …

11 probability distributions survival discrete-data

2

Czy rozkład Poissona jest stabilny i czy istnieją formuły inwersji dla MGF?

Po pierwsze, mam pytanie, czy rozkład Poissona jest „stabilny”, czy nie. Bardzo naiwnie (i nie jestem zbyt pewny co do „stabilnych” rozkładów), opracowałem rozkład liniowej kombinacji rozproszonych RV Poissona, używając iloczynu MGF. Wygląda na to, że dostaję kolejnego Poissona z parametrem równym liniowej kombinacji parametrów poszczególnych RV. Stwierdzam więc, że …

11 distributions poisson-distribution mgf

2

Solidne, wielowymiarowe dopasowanie Gaussa w R.

Muszę dopasować uogólniony rozkład Gaussa do 7-słabej chmury punktów zawierającej dość znaczną liczbę wartości odstających o dużej dźwigni. Czy znasz jakiś dobry pakiet R dla tej pracy?

11 r distributions normal-distribution robust

2

Kolejność statystyk (np. Minimum) nieskończonej kolekcji zmiennych chi-kwadrat?

To jest mój pierwszy raz tutaj, więc proszę dać mi znać, czy mogę wyjaśnić moje pytanie w jakikolwiek sposób (w tym formatowanie, tagi itp.). (Mam nadzieję, że mogę później edytować!) Próbowałem znaleźć referencje i próbowałem rozwiązać siebie za pomocą indukcji, ale nie udało mi się obu. Próbuję uprościć dystrybucję, która …

11 distributions chi-squared exponential order-statistics minimum

3

Jak porównać dwa zestawy danych z wykresem QQ za pomocą ggplot2?

Jako zarówno statystyki, jak i początkujący R, miałem naprawdę trudny czas, próbując wygenerować qqploty o współczynniku proporcji 1: 1. ggplot2 wydaje się oferować znacznie większą kontrolę nad wykreślaniem niż domyślne pakiety wydruku R, ale nie widzę, jak zrobić qqplot w ggplot2, aby porównać dwa zestawy danych. Więc moje pytanie, jaki …

11 r distributions ggplot2 qq-plot

2

Używasz regresji Poissona dla ciągłych danych?

Czy można zastosować rozkład Poissona do analizy danych ciągłych, a także danych dyskretnych? Mam kilka zestawów danych, w których zmienne odpowiedzi są ciągłe, ale bardziej przypominają rozkład Poissona niż rozkład normalny. Jednak rozkład Poissona jest rozkładem dyskretnym i zwykle dotyczy liczb lub zliczeń.

11 distributions regression poisson-distribution continuous-data

2

Dlaczego test McNemara wykorzystuje chi-kwadrat, a nie rozkład normalny?

Właśnie zauważyłem, jak nieprecyzyjny test McNemara wykorzystuje asymptotyczny rozkład chi-kwadrat. Ale skoro dokładny test (dla tabeli dwóch przypadków) opiera się na rozkładzie dwumianowym, dlaczego nie jest tak często sugerować normalne przybliżenie do rozkładu dwumianowego? Dzięki.

11 distributions binomial chi-squared normal-distribution

3

Przybliżenie dla rozkładu dyskretnego

Jaki jest najlepszy sposób przybliżenia dla dwóch podanych liczb całkowitych gdy znasz średnią , wariancję , skośność i nadmiar kurtozy rozkładu dyskretnego , i z (niezerowych) miar kształtu i wynika, że normalne przybliżenie nie jest właściwe?m , n μ σ 2 γ 1 γ 2 X γ 1 γ 2Pr[n≤X≤m]Pr[n≤X≤m]Pr[n …

11 probability distributions moments approximation saddlepoint-approximation

3

Szacowanie średniej i odchylenia ściętej krzywej gaussa bez skoku

Załóżmy, że mam czarną skrzynkę, która generuje dane po rozkładzie normalnym ze średnią mi odchyleniem standardowym s. Załóżmy jednak, że ilekroć wypisze wartość <0, niczego nie rejestruje (nawet nie jest w stanie powiedzieć, że otrzymała taką wartość). Mamy ścięty rozkład gaussa bez kolca. Jak mogę oszacować te parametry?

11 distributions estimation

1

R / mgcv: Dlaczego produkty tensorowe te () i ti () wytwarzają różne powierzchnie?

mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …

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

1

Intuicyjnie, dlaczego entropia krzyżowa jest miarą odległości dwóch rozkładów prawdopodobieństwa?

Dla dwóch dyskretnych rozkładów i , entropia krzyżowa jest zdefiniowana jakoqpppqqq H(p,q)=−∑xp(x)logq(x).H(p,q)=−∑xp(x)log⁡q(x).H(p,q)=-\sum_x p(x)\log q(x). Zastanawiam się, dlaczego byłby to intuicyjny pomiar odległości między dwoma rozkładami prawdopodobieństwa? Widzę, że jest entropią , która mierzy „zaskoczenie” . jest miarą, która częściowo zastępuje przez . Nadal nie rozumiem intuicyjnego znaczenia definicji.H(p,p)H(p,p)H(p,p)ppppppH(p,q)H(p,q)H(p,q)pppqqq

11 probability distributions cross-entropy

1

Zmierz jednorodność rozkładu w dni powszednie

Mam podobny problem do zadanego tutaj pytania: Jak mierzy się nierównomierność rozkładu? Mam zestaw rozkładów prawdopodobieństwa w dniach tygodnia. Chcę zmierzyć, jak blisko jest każdy rozkład (1 / 7,1 / 7, ..., 1/7). W tej chwili korzystam z odpowiedzi na powyższe pytanie; norma L2, która ma wartość 1, gdy rozkład …

11 probability distributions random-variable uniform measurement

4

Podziel dane na N równych grup

Mam ramkę danych, która zawiera wartości w 4 kolumnach: Na przykład: ID, price, click count,rating Chciałbym „podzielić” tę ramkę danych na N różnych grup, w których każda grupa będzie miała taką samą liczbę wierszy z takim samym rozkładem ceny, liczby kliknięć i atrybutów ocen. Wszelkie porady są mile widziane, ponieważ …

11 r distributions

2

Co to jest rozkład logarytmiczny?

Czytam podręcznik na temat uczenia maszynowego (Data Mining autorstwa Witten i wsp., 2011) i natknąłem się na ten fragment: ... Ponadto można zastosować różne rozkłady. Chociaż rozkład normalny jest zwykle dobrym wyborem dla atrybutów liczbowych, nie jest odpowiedni dla atrybutów, które mają z góry określone minimum, ale nie mają górnej …

11 machine-learning distributions

3

Kiedy najmniejsze kwadraty byłyby złym pomysłem?

Jeśli mam model regresji: gdzie i ,Y= Xβ+ εY=Xβ+ε Y = X\beta + \varepsilon V [ε]=Ire∈ Rn × nV[ε]=Id∈Rn×n\mathbb{V}[\varepsilon] = Id \in \mathcal{R} ^{n \times n}E [ε]=(0,…,0)E[ε]=(0,…,0)\mathbb{E}[\varepsilon]=(0, \ldots , 0) kiedy użycie , zwykłego estymatora najmniejszych kwadratów , byłoby złym wyborem dla estymatora?βOLSβOLS\beta_{\text{OLS}}ββ\beta Próbuję wymyślić przykład, w którym najmniejsze kwadraty …

11 regression distributions least-squares

Pytania otagowane jako distributions