Pytania otagowane jako inference

Wyciąganie wniosków dotyczących parametrów populacji z danych przykładowych. Zobacz https://en.wikipedia.org/wiki/Inference i https://en.wikipedia.org/wiki/Statistic_inference

1
Neg Binomial i przeor Jeffreysa
Próbuję uzyskać wcześniejszy Jeffreys dla ujemnego rozkładu dwumianowego. Nie widzę, gdzie się mylę, więc jeśli ktoś mógłby pomóc to wskazać, byłoby to mile widziane. Okej, więc sytuacja jest następująca: mam porównać wcześniejsze rozkłady uzyskane za pomocą dwumianu i ujemnego dwumianu, gdzie (w obu przypadkach) jest prób i m sukcesów. Otrzymuję …
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
Jaka jest różnica między VAE a stochastyczną propagacją wsteczną dla modeli Deep Generative?
Jaka jest różnica między automatycznym kodowaniem odmian Bayesa a stochastyczną propagacją wsteczną dla modeli głębokiej generacji ? Czy wnioskowanie w obu metodach prowadzi do takich samych wyników? Nie znam żadnych wyraźnych porównań między tymi dwiema metodami, mimo że obie grupy autorów cytują się nawzajem.
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
Dlaczego estymator jest uważany za zmienną losową?
Rozumiem, czym jest estymator i oszacowanie: Estimator: Reguła obliczania oszacowania Estymacja: Wartość obliczona na podstawie zestawu danych opartych na estymatorze Pomiędzy tymi dwoma terminami, jeśli poproszę o wskazanie zmiennej losowej, powiedziałbym, że oszacowanie jest zmienną losową, ponieważ jej wartość zmienia się losowo na podstawie próbek w zbiorze danych. Odpowiedziałem jednak, …
2
Żądanie referencyjne: Statystyka klasyczna dla pracujących naukowców zajmujących się danymi
Jestem pracującym naukowcem danych z dużym doświadczeniem w regresji, innych algorytmach uczenia maszynowego i programowaniu (zarówno w zakresie analizy danych, jak i ogólnego opracowywania oprogramowania). Większość mojego życia zawodowego koncentruje się na budowaniu modeli w celu zapewnienia dokładności predykcyjnej (praca przy różnych ograniczeniach biznesowych) oraz budowaniu potoków danych w celu …
1
Czy istnieją jakieś prawdziwe statystyki za „pitagorejskim twierdzeniem o baseballu”?
Czytam książkę o sabermetrii, w szczególności Mathletics autorstwa Wayne Winston, a w pierwszym rozdziale wprowadza ilość, którą można wykorzystać do przewidzenia wskaźnika wygranych drużyn: i wydaje się sugerować, że w połowie sezonu można go wykorzystać do przewidywania wskaźnika wygranychlepszychniż wskaźnik wygranych w pierwszej połowie sezonu. Uogólnia wzór na RexpPunkty zdobyte2)Punkty …
3
Pojęcie „udowodnione statystycznie”
Kiedy wiadomości mówią o „udowodnieniu statystycznym”, czy używają prawidłowo zdefiniowanej koncepcji statystyki, źle ją stosują, czy po prostu używają oksymoronu? Wyobrażam sobie, że „dowód statystyczny” nie jest w rzeczywistości czymś wykonywanym w celu udowodnienia hipotezy, ani dowodu matematycznego, ale raczej „testem statystycznym”.
10 inference  proof 
4
Konsekwencje bieżącej debaty na temat znaczenia statystycznego
W ciągu ostatnich kilku lat różni uczeni podnieśli szkodliwy problem testowania hipotez naukowych, nazwany „stopniem swobody badacza”, co oznacza, że ​​naukowcy mają podczas swojej analizy wiele wyborów, które mogą wpływać na znalezienie wartości p <5%. Te niejednoznaczne wybory to na przykład, który przypadek należy uwzględnić, który przypadek jest sklasyfikowany jako …
1
Znajdź UMVUE z
Pozwolić X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n być zmiennymi losowymi mającymi pdf fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) gdzie θ>0θ>0\theta >0. Podaj UMVUE z1θ1θ\frac{1}{\theta} i obliczyć jego wariancję Dowiedziałem się o dwóch takich metodach dla uzyskanych UMVUE: Cramer-Rao Lower Bound (CRLB) Lehmann-Scheffe Thereom Spróbuję tego przy użyciu pierwszego z nich. Muszę przyznać, …
3
regresja procesu gaussowskiego dla dużych zestawów danych
Dowiedziałem się o regresji procesu Gaussa z filmów online i notatek z wykładów, rozumiem, że jeśli mamy zbiór danych z punktami to zakładamy, że dane są próbkowane z wymiarowego wielowymiarowego Gaussa. Więc moje pytanie dotyczy przypadku, gdy wynosi 10 milionów, czy regresja procesu Gaussa nadal działa? Czy matryca jądra nie …
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.