Pytania otagowane jako estimation

Ten tag jest zbyt ogólny; podaj bardziej szczegółowy tag. W przypadku pytań dotyczących właściwości określonych estymatorów użyj tagu [estymatory].

2
Oszacuj szybkość, z jaką odchylenie standardowe skaluje się z niezależną zmienną
Mam eksperyment, w którym wykonuję pomiary normalnie rozłożonej zmiennej YYY , Y∼N(μ,σ)Y∼N(μ,σ)Y \sim N(\mu,\sigma) Jednak poprzednie eksperymenty dostarczyły pewnych dowodów, że odchylenie standardowe σσ\sigma jest funkcją afiniczną zmiennej niezależnej XXX , tj σ=a|X|+bσ=a|X|+b\sigma = a|X| + b Y∼N(μ,a|X|+b)Y∼N(μ,a|X|+b)Y \sim N(\mu,a|X| + b) Ja jak oszacowanie parametrów i B przez próbkowanie …
1
James-Stein Estimator z nierównymi wariancjami
Każde stwierdzenie, które znajduję w estymatorze Jamesa-Steina zakłada, że ​​oszacowane zmienne losowe mają tę samą wariancję (i jednostkę). Ale wszystkie te przykłady wspominają również, że estymator JS może być używany do szacowania ilości, nie mając ze sobą nic wspólnego. Przykład wikipedia jest prędkością światła, spożycie herbaty w Tajwanie i wagi …
1
Szacowanie nachylenia prostej części krzywej esowatej
Dostałem to zadanie i byłem zakłopotany. Kolega poprosił mnie o oszacowanie i poniższej tabeli:xu p p e rxuppmirx_{upper}xl o w e rxlowmirx_{lower} Krzywa jest w rzeczywistości rozkładem skumulowanym, a x jest rodzajem pomiaru. Jest zainteresowany, aby wiedzieć, jakie są odpowiednie wartości na x, gdy funkcja skumulowana zaczęła być prosta i …
1
Przykład oceny maksymalnej a posteriori
Czytałem o oszacowaniu maksymalnego prawdopodobieństwa i oszacowaniu maksymalnego a posteriori i jak dotąd spotkałem się z konkretnymi przykładami tylko z oszacowaniem maksymalnego prawdopodobieństwa. Znalazłem kilka abstrakcyjnych przykładów maksymalnego oszacowania a posteriori, ale nic konkretnego jeszcze z liczbami: S. Może być bardzo przytłaczający, działa tylko z abstrakcyjnymi zmiennymi i funkcjami, a …
2
Odniesienie dla
W swojej odpowiedzi na moje poprzednie pytanie @Erik P. podaje wyrażenie gdzie κ jest nadmiarem kurtozy rozkładu. Podanoodniesienie do wpisu w Wikipedii na tematrozkładu wariancji próbki, ale strona wikipedia mówi „potrzebne cytowanie”.V a r [ s2)] = σ4( 2n - 1+ κn),Var[s2]=σ4(2n−1+κn), \mathrm{Var}[s^2]=\sigma^4 \left(\frac{2}{n-1} + \frac{\kappa}{n}\right) \>, κκ\kappa Moje podstawowe …
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?
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 
2
Jak oszacować dokładność całki?
Niezwykle częstą sytuacją w grafice komputerowej jest to, że kolor niektórych pikseli jest równy całce funkcji o wartościach rzeczywistych. Często funkcja jest zbyt skomplikowana, aby ją rozwiązać analitycznie, więc pozostaje nam przybliżenie numeryczne. Ale funkcja ta jest również często bardzo droga do obliczenia, dlatego jesteśmy bardzo ograniczeni liczbą próbek, które …
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 …
2
UMVUE z
Niech ( X1, X2), … , Xn)(X1,X2,…,Xn)(X_1,X_2,\ldots,X_n) będzie losową próbką z gęstości faθ( x ) = θ xθ - 110 < x < 1,θ > 0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Próbuję znaleźć UMVUE z θ1 + θθ1+θ\frac{\theta}{1+\theta} . Łączna gęstość ( X1, … , Xn)(X1,…,Xn)(X_1,\ldots,X_n) wynosi faθ( x1, ⋯ , xn)= θn( ∏i …
2
Rozbieżność Kullbacka-Leiblera dla dwóch próbek
Próbowałem zaimplementować oszacowanie liczbowe dywergencji Kullbacka-Leiblera dla dwóch próbek. Aby debugować implementację, narysuj próbki z dwóch rozkładów normalnych N(0,1)N(0,1)\mathcal N (0,1) i N(1,2)N(1,2)\mathcal N (1,2) . Dla prostego oszacowania wygenerowałem dwa histogramy i próbowałem liczbowo aproksymować całkę. Utknąłem z obsługą tych części histogramu, w których przedziały jednego z histogramów mają …
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.