Pytania otagowane jako distributions

Przeczytałem kilka artykułów i fragmentów książek, które wyjaśniają, jak wybrać dobrą liczbę interwałów (pojemników) dla histogramu zestawu danych, ale zastanawiam się, czy istnieje twarda maksymalna liczba interwałów na podstawie liczby punktów w zestaw danych lub inne kryterium. Wstęp: Powód, dla którego pytam, jest to, że próbuję napisać oprogramowanie na podstawie …

10 distributions  data-visualization  histogram 

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 

W ekologii często używamy logistycznego równania wzrostu: N.t=K.N.0mir tK.+N.0mir t - 1Nt=KN0ertK+N0ert−1 N_t = \frac{ K N_0 e^{rt} }{K + N_0 e^{rt-1}} lub N.t=K.N.0N.0+ ( K-N.0)mi- r tNt=KN0N0+(K−N0)e−rt N_t = \frac{ K N_0}{N_0 + (K -N_0)e^{-rt}} gdzie jest nośnością (osiągnięta maksymalna gęstość), jest gęstością początkową, jest szybkością wzrostu, jest czasem …

10 r  distributions  pdf  ecology 

Wiele pytań, które opublikowałem na SE w ostatnim miesiącu, miało na celu pomóc mi rozwiązać ten konkretny problem. Na wszystkie pytania udzielono odpowiedzi, ale wciąż nie mogę znaleźć rozwiązania. Pomyślałem więc, że powinienem po prostu zapytać o problem, który próbuję rozwiązać bezpośrednio. Niech , gdzie , , (liczba całkowita), a …

10 distributions  mathematical-statistics  probability  function 

Funkcja gęstości prawdopodobieństwa rozkładu jednolitego (ciągłego) pokazano powyżej. Pole pod krzywą wynosi 1 - co ma sens, ponieważ suma wszystkich prawdopodobieństw w rozkładzie prawdopodobieństwa wynosi 1. Formalnie powyższą funkcję prawdopodobieństwa (f (x)) można zdefiniować jako 1 / (ba) dla x w [a, b] i 0 w przeciwnym razie Zastanów się, …

9 probability  distributions  uniform 

Niech będzie losową próbką z rozkładu gamma .X1,...,XnX1,...,XnX_1,...,X_nGamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Niech i będą odpowiednio średnią próbną i wariancją próbki.X¯X¯\bar{X}S2S2S^2 Następnie udowodnij lub obal, że i są niezależne.X¯X¯\bar{X}S2/X¯2S2/X¯2S^2/\bar{X}^2 Moja próba: Ponieważ , musimy sprawdzić niezależnośćS2/X¯2=1n−1∑ni=1(XiX¯−1)2S2/X¯2=1n−1∑i=1n(XiX¯−1)2S^2/\bar{X}^2 = \frac{1}{n-1} \sum_{i=1}^n \left(\frac{X_i}{\bar{X}}-1\right)^2 X¯X¯\bar{X}i , ale jak mam ustalić niezależność między nimi?(XiX¯)ni=1(XiX¯)i=1n\left(\frac{X_i}{\bar{X}} \right)_{i=1}^{n}

9 self-study  distributions  independence  gamma-distribution 

Znam pierwsze chwil jakiejś dystrybucji. Wiem też, że moja dystrybucja jest ciągła, unimodalna i dobrze ukształtowana (wygląda jak rozkład gamma). Czy jest możliwe:N.N.N Za pomocą jakiegoś algorytmu wygeneruj próbki z tego rozkładu, który w warunkach granicznych będzie miał dokładnie te same chwile? Rozwiąż ten problem analitycznie? Rozumiem, że dopóki nie …

9 distributions  moments 

Niech będzie w . Jaka jest średnia i macierz kowariancji (z maksimum obliczonym elementarnie)?Z∼N(μ,Σ)Z∼N(μ,Σ)Z \sim \mathcal N(\mu, \Sigma)RdRd\mathbb R^dZ+=max(0,Z)Z+=max(0,Z)Z_+ = \max(0, Z) Dzieje się tak np. Dlatego, że jeśli użyjemy funkcji aktywacji ReLU w głębokiej sieci i założymy przez CLT, że wejścia do danej warstwy są w przybliżeniu normalne, to …

9 probability  distributions  normal-distribution  moments  censoring 

Jeśli mam dwa różne rozkłady symetryczne (w odniesieniu do mediany) XXX i YYYjest różnica X- YX−YX-Y również symetryczny (w odniesieniu do mediany) rozkład?

9 distributions  median 

Gdyby X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1), znajdź rozkład Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2}. Mamy FY(y)=Pr(Y≤y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) =Pr(2X1−X2≤y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪Pr(X∈(−∞,−1−1+y2√y])+Pr(X∈ ( - 1 ,- 1 +1 +y2)√y] ) ,jeśliy> 0P r ( X∈ ( - 1 ,- 1 +1 +y2)√y] ) + P r ( X∈ ( 1 ,- 1 -1 +y2)√y] ) ,jeśliy< 0={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify>0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify<0\qquad\qquad=\begin{cases} \mathrm{Pr}\left(X\in\left(-\infty,\frac{-1-\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y>0\\ \mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(1,\frac{-1-\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad …

9 self-study  distributions  mathematical-statistics  random-variable 

Próbuję znaleźć rozkład prawdopodobieństwa sumy losowej liczby zmiennych, które nie są identycznie rozmieszczone. Oto przykład: John pracuje w centrum obsługi klienta. Otrzymuje połączenia z problemami i próbuje je rozwiązać. Tych, których nie potrafi rozwiązać, przekazuje je swojemu przełożonemu. Załóżmy, że liczba połączeń, które otrzymuje w ciągu dnia, jest równa średniej …

9 probability  distributions  random-variable 

Przykłady: w opisie stanowiska mam zdanie: „Starszy inżynier Java w Wielkiej Brytanii”. Chcę użyć modelu głębokiego uczenia się, aby przewidzieć go jako 2 kategorie: English i IT jobs. Jeśli użyję tradycyjnego modelu klasyfikacji, może on przewidzieć tylko 1 etykietę z softmaxfunkcją na ostatniej warstwie. Dlatego mogę użyć 2 modelowych sieci …

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 

W jakimś celu muszę wygenerować losowe liczby (dane) z rozkładu „nachylonego równomiernie”. „Nachylenie” tego rozkładu może się zmieniać w rozsądnych odstępach czasu, a następnie mój rozkład powinien zmienić się z jednorodnego na trójkątny w zależności od nachylenia. Oto moje pochodzenie: Uprośćmy to i wygeneruj dane od do (niebieski, czerwony to …

9 r  distributions  python  random-generation  uniform 

Interesuje mnie konstruowanie zmiennych losowych, dla których nierówności Markowa lub Czebyszewa są ścisłe. Trywialnym przykładem jest następująca zmienna losowa. P.( X= 1 ) = P.( X= - 1 ) = 0,5P(X=1)=P(X=−1)=0.5P(X=1)=P(X=-1) = 0.5 . Jego średnia wynosi zero, wariancja wynosi 1, a . W tym przypadku zmienna losowa Czebyszewa jest …

9 probability  distributions  random-variable  probability-inequalities 

Próbuję ustalić rozkład gdzie , iid wiem, że biorąc każdy z tych warunków osobno, i Ale nie jestem pewien co do dystrybucji (*)(n−1)∑i=1nZ2i−(∑i=1nZi)2(∗)(n−1)∑i=1nZi2−(∑i=1nZi)2(∗) (n-1) \sum_{i=1}^n Z_i^2 - \left( \sum_{i=1}^n Z_i \right)^2 \qquad (*) Zi∼N(0,1)Zi∼N(0,1)Z_i \sim \mathcal{N}(0,1)∑i=1nZ2i∼χ2(n)∑i=1nZi2∼χ2(n) \sum_{i=1}^n Z_i^2 \sim \chi^2(n) 1n(∑i=1nZi)2∼χ2(1).1n(∑i=1nZi)2∼χ2(1). \frac{1}{n}\left( \sum_{i=1}^n Z_i \right)^2 \sim \chi^2(1).

9 probability  distributions  normal-distribution