Pytania otagowane jako estimation

Mamy N próbek, , z jednolitego rozkładu [0, \ theta], gdzie \ theta jest nieznany. Oszacuj \ theta na podstawie danych.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Tak więc zasada Bayesa ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} a prawdopodobieństwo wynosi: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (edytuj: kiedy 0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \theta dla wszystkich iii , a …

10 bayesian  estimation  uniform  uninformative-prior 

Jaka jest różnica między nimi i dlaczego poziom istotności musi być zawsze wyższy lub równy rozmiarowi testu?

10 estimation 

Nauczono mnie, że możemy uzyskać oszacowanie parametru w postaci przedziału ufności po pobraniu próbki z populacji. Na przykład 95% przedziały ufności, bez naruszonych założeń, powinny mieć 95% wskaźnik sukcesu zawierający dowolny prawdziwy parametr, który oceniamy w populacji. To znaczy, Utwórz oszacowanie punktowe z próbki. Utwórz zakres wartości, które teoretycznie mają …

9 hypothesis-testing  confidence-interval  estimation  inference 

Załóżmy, że miałeś rok obcy o nieznanej długości N. Jeśli masz losową próbkę wspomnianych kosmitów, a niektórzy z nich dzielą urodziny, czy możesz użyć tych danych do oszacowania długości roku? Na przykład, w próbie 100, możesz mieć dwie trojaczki (tj. Dwa urodziny, z których każdy dzieli trzech kosmitów) oraz pięć …

9 estimation  inference  birthday-paradox 

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 

Liczba wypadków na dzień jest zmienną losową Poissona o parametrze , w 10 losowo wybranych dniach zaobserwowano liczbę wypadków jako 1,0,1,1,2,0,2,0,0,1, co będzie być obiektywnym estymatorem ?λλ\lambdaeλeλe^{\lambda} Próbowałem w ten sposób: Wiemy, że , ale . Więc jaki będzie wymagany obiektywny estymator?E(x¯)=λ=0.8E(x¯)=λ=0.8E(\bar{x})=\lambda=0.8E(ex¯)≠ eλE(ex¯)≠ eλE(e^{\bar{x}})\neq\ e^{\lambda}

9 self-study  estimation  poisson-distribution 

Rozważmy kwadratową stratę , z podanym wcześniej gdzie . Niech prawdopodobieństwo. Znajdź estymator Bayesa .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Rozważ ważoną stratę kwadratową gdzie z wcześniejszym . Niech będzie prawdopodobieństwem. Znajdź estymator Bayesa .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Porównaj iδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Najpierw zauważyłem, że , i założyłem, że takie jest prawdopodobieństwo, w przeciwnym razie …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Instruktor na moim uniwersytecie zadał takie pytanie (nie na zadanie domowe, ponieważ lekcja się skończyła, a mnie nie było). Nie mogę wymyślić, jak do tego podejść. Pytanie dotyczy 2 torebek, z których każda zawiera asortyment różnych rodzajów owoców: Pierwsza torba zawiera następujące losowo wybrane owoce: + ------------- + -------- + …

9 regression  estimation 

Jestem całkiem nowy w statystyce (garść kursów Uni dla początkujących) i zastanawiałem się nad próbkowaniem z nieznanych dystrybucji. W szczególności, jeśli nie masz pojęcia o podstawowej dystrybucji, czy jest jakiś sposób na „zagwarantowanie” otrzymania reprezentatywnej próbki? Przykład do zilustrowania: powiedz, że próbujesz ustalić globalny rozkład bogactwa. Dla każdej osoby możesz …

9 distributions  estimation  sampling  sample-size  algorithms 

Powiedzmy, że mam N piłek w torbie. Przy pierwszym losowaniu zaznaczam piłkę i wkładam ją do torby. Podczas drugiego losowania, jeśli podniosę zaznaczoną piłkę, zwracam ją do torby. Jeśli jednak podniosę nieoznakowaną piłkę, oznaczę ją i wrócę do torby. Kontynuuję to dla dowolnej liczby losowań. Jaka jest oczekiwana liczba piłek …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

Domyślnie, gdy używamy glmfunkcji w R, używa iteracyjnie przeważonej metody najmniejszych kwadratów (IWLS) w celu znalezienia parametrów maksymalnego prawdopodobieństwa. Teraz mam dwa pytania. Czy szacunki IWLS gwarantują globalne maksimum funkcji wiarygodności? Na podstawie ostatniego slajdu w tej prezentacji, myślę, że nie! Chciałem się tylko upewnić. Czy możemy powiedzieć, że przyczyną …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Czytałem o MLE jako metodzie generowania dopasowanego rozkładu. Natknąłem się na stwierdzenie , że szacunki maksymalnego prawdopodobieństwa „mają przybliżone rozkłady normalne”. Czy to oznacza, że ​​jeśli zastosuję MLE wielokrotnie w stosunku do moich danych i rodziny dystrybucji, do której próbuję się dopasować, modele, które otrzymam, będą normalnie dystrybuowane? Jak dokładnie …

9 normal-distribution  estimation  maximum-likelihood 

Badam różne metody szacowania punktowego i czytam, że kiedy używam oszacowań MAP vs ML, kiedy używamy „jednolitego wcześniejszego”, oszacowania są identyczne. Czy ktoś może wyjaśnić, czym jest „jednolity” uprzedni i podać (proste) przykłady, kiedy estymatory MAP i ML będą takie same?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

Populacja r-kwadrat ρ2)ρ2)\rho^2 można zdefiniować przy założeniu wyników stałych lub wyników losowych: Naprawiono wyniki: Wielkość próby i poszczególne wartości predyktorów są utrzymywane na stałym poziomie. A zatem,ρ2)faρfa2)\rho^2_f jest proporcją wariancji wyjaśnioną w wyniku równaniem regresji populacji, gdy wartości predyktora są utrzymywane na stałym poziomie. Losowe wyniki: Konkretne wartości predyktorów pochodzą …

9 regression  estimation  r-squared 

Szukam dokładnego oszacowania średniej, która ma określoną właściwość. Mam zestaw elementów, dla których chcę obliczyć tę statystykę. Następnie dodaję nowe elementy pojedynczo i dla każdego dodatkowego elementu chciałbym ponownie obliczyć statystyki (znane również jako algorytm online). Chciałbym, aby to obliczenie aktualizacji było szybkie, najlepiej O (1), tzn. Nie zależy od …

9 estimation  mean  robust