Statystyki i duże zbiory danych kernel-smoothing

1

Jak definiuje się wariancję długookresową w dziedzinie analizy szeregów czasowych? Rozumiem, że jest wykorzystywany w przypadku, gdy w danych występuje struktura korelacji. Więc nasz proces stochastyczny nie byłby rodziną i losowych zmiennych, a raczej tylko identycznie rozmieszczonymi?X1,X2…X1,X2…X_1, X_2 \dots Czy mogę podać standardowe odniesienie jako wprowadzenie do koncepcji i trudności …

13 time-series variance references kernel-smoothing non-independent

1

Jak nazywa się metoda szacowania gęstości, w której wszystkie możliwe pary są używane do utworzenia rozkładu normalnej mieszaniny?

Właśnie pomyślałem o zgrabnym (niekoniecznie dobrym) sposobie tworzenia szacunków gęstości jednowymiarowej i moje pytanie brzmi: Czy ta metoda szacowania gęstości ma nazwę? Jeśli nie, to czy jest to szczególny przypadek innej metody w literaturze? Oto metoda: mamy wektor który, jak zakładamy, pochodzi z nieznanego rozkładu, który chcielibyśmy oszacować. Sposobem na …

12 r estimation nonparametric pdf kernel-smoothing

4

Oszacowanie gęstości jądra uwzględniające niepewności

Podczas wizualizacji danych jednowymiarowych często stosuje się technikę szacowania gęstości jądra w celu uwzględnienia nieprawidłowo wybranych szerokości pojemników. Czy w moim jednowymiarowym zbiorze danych występują niepewności pomiaru, czy istnieje standardowy sposób na włączenie tych informacji? Na przykład (i wybaczcie mi, jeśli moje rozumienie jest naiwne) KDE przekształca profil gaussowski z …

12 uncertainty kde kernel-smoothing

1

Stosunek prawdopodobieństw do stosunku plików PDF

Korzystam z Bayesa, aby rozwiązać problem klastrowania. Po kilku obliczeniach kończę z koniecznością uzyskania stosunku dwóch prawdopodobieństw: P(A)/P(B)P(A)/P(B)P(A)/P(B) być w stanie uzyskać . Te prawdopodobieństwa są uzyskiwane przez integrację dwóch różnych wielowymiarowych KDE 2D, jak wyjaśniono w tej odpowiedzi :P(H|D)P(H|D)P(H|D) P(A)=∬x,y:f^(x,y)<f^(ra,sa)f^(x,y)dxdyP(A)=∬x,y:f^(x,y)<f^(ra,sa)f^(x,y)dxdyP(A) = \iint_{x, y : \hat{f}(x, y) < \hat{f}(r_a, s_a)} …

12 probability bayesian maximum-likelihood kernel-smoothing

2

Integracja estymatora gęstości jądra w 2D

Pochodzę z tego pytania, na wypadek, gdyby ktoś chciał pójść szlakiem. Zasadniczo mam zestaw danych złożony z obiektów, w których do każdego obiektu przypisana jest dana liczba zmierzonych wartości (w tym przypadku dwóch):NΩΩ\OmegaN.N.N Ω = o1[ x1, y1] , o2)[ x2), y2)] , . . . , oN.[ xN., yN.]Ω=o1[x1,y1],o2)[x2),y2)],...,oN.[xN.,yN.]\Omega …

12 probability maximum-likelihood kernel-smoothing numerical-integration

1

Obliczanie przedziałów ufności dla trybu?

Szukam referencji dotyczących obliczania przedziałów ufności dla trybu (ogólnie). Bootstrap może wydawać się naturalnym pierwszym wyborem, ale jak omówiono w Romano (1988), standardowy bootstrap nie działa w trybie i nie zapewnia żadnego prostego rozwiązania. Czy coś się zmieniło od czasu tego artykułu? Jaki jest najlepszy sposób obliczania przedziałów ufności dla …

11 confidence-interval bootstrap kernel-smoothing mode

1

Jak dopasować przybliżony plik PDF (tj. Oszacowanie gęstości) przy użyciu pierwszych k (empirycznych) momentów?

Mam sytuację, w której jestem w stanie oszacować (pierwsze) momentów zbioru danych i chciałbym użyć go do oszacowania funkcji gęstości.kkk Natknąłem się już na rozkład Pearsona , ale zdałem sobie sprawę, że opiera się on tylko na pierwszych 4 momentach (z pewnymi ograniczeniami dotyczącymi możliwych kombinacji momentów). Rozumiem również, że …

11 pdf kernel-smoothing moments

1

Jaki jest właściwy sposób obliczania oszacowania gęstości jądra na podstawie współrzędnych geograficznych?

Muszę obliczyć 2d oszacowanie gęstości jądra (kde) z listy współrzędnych szerokości i długości geograficznej. Ale jeden stopień szerokości geograficznej nie jest taki sam, jak jeden stopień długości geograficznej, co oznacza, że poszczególne jądra byłyby owalne, szczególnie im dalej punkt znajduje się od równika. W moim przypadku wszystkie punkty są wystarczająco …

11 spatial kernel-smoothing geostatistics geography

4

Jak losowo narysować wartość z oszacowania gęstości jądra?

Mam pewne spostrzeżenia i chcę naśladować próbkowanie na podstawie tych spostrzeżeń. Rozważam tutaj model nieparametryczny, w szczególności używam wygładzania jądra, aby oszacować CDF na podstawie ograniczonych obserwacji, a następnie losowo dobieram wartości z uzyskanego CDF. Oto mój kod (chodzi o to, aby losowo uzyskać kumulatywny prawdopodobieństwo za pomocą równomiernego rozkładu …

10 sampling matlab kernel-smoothing density-estimation

2

Oszacowanie gęstości jądra w rozkładach asymetrycznych

Niech będą obserwacjami zaczerpniętymi z nieznanego (ale z pewnością asymetrycznego) rozkładu prawdopodobieństwa.{ x1, … , XN.}{x1,…,xN.}\{x_1,\ldots,x_N\} Ja jak znaleźć rozkład prawdopodobieństwa stosując podejście Próbowałem jednak użyć jądra Gaussa, ale działało to źle, ponieważ jest symetryczne. Widziałem więc, że niektóre prace dotyczące jąder Gamma i Beta zostały wydane, chociaż nie rozumiałem, …

10 probability distributions pdf kernel-smoothing

4

Animowanie efektu zmiany szerokości jądra w R

Mam pewne dane w R, zapisane na liście. Myśleć d <- c(1,2,3,4) chociaż to nie są moje dane. Jeśli następnie wprowadzę polecenie plot(density(d, kernel="gaussian", width=1)) następnie otrzymuję oszacowanie prawdopodobieństwa gęstości jądra, gdzie jądro jest normalnie normalne. Jeśli zastąpię 1 innymi liczbami, obraz oczywiście się zmieni. Chciałbym stworzyć wideo lub animację, …

10 r kernel-smoothing

2

Szerokość pasma jądra w szacowaniu gęstości jądra

Robię pewne oszacowanie gęstości jądra, z ustawionymi punktami ważonymi (tj. Każda próbka ma wagę, która nie jest konieczna), w wymiarach N. Próbki te znajdują się również w przestrzeni metrycznej (tzn. Możemy zdefiniować odległość między nimi), ale nic więcej. Na przykład nie możemy określić średniej punktów próby ani odchylenia standardowego, ani …

10 pdf smoothing kernel-smoothing

1

Dlaczego losowe funkcje Fouriera są nieujemne?

Losowe funkcje Fouriera zapewniają przybliżenia funkcji jądra. Są używane do różnych metod jądra, takich jak SVM i procesy Gaussa. Dzisiaj próbowałem użyć implementacji TensorFlow i uzyskałem wartości ujemne dla połowy moich funkcji. Jak rozumiem, to nie powinno się zdarzyć. Wróciłem więc do oryginalnej pracy , która - tak jak się …

10 machine-learning kernel-smoothing feature-construction tensorflow fourier-transform

3

Najlepszy sposób oceny metod szacowania PDF

Chciałbym przetestować niektóre z moich pomysłów, które moim zdaniem są lepsze niż cokolwiek, co widziałem. Mogę się mylić, ale chciałbym przetestować swoje pomysły i rozwiać moje wątpliwości bardziej pewnymi spostrzeżeniami. To, o czym myślałem, to: Analitycznie zdefiniuj zestaw rozkładów. Niektóre z nich są łatwe, takie jak Gaussa, mundur lub Tophat. …

10 hypothesis-testing estimation pdf kernel-smoothing model-evaluation

2

Oblicz krzywą ROC dla danych

Mam więc 16 prób, w których próbuję uwierzytelnić osobę z cechy biometrycznej za pomocą Hamminga. Mój próg jest ustawiony na 3,5. Moje dane są poniżej i tylko próba 1 jest prawdziwie pozytywna: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 …

9 mathematical-statistics roc classification cross-validation pac-learning r anova survival hazard machine-learning data-mining hypothesis-testing regression random-variable non-independent normal-distribution approximation central-limit-theorem interpolation splines distributions kernel-smoothing r data-visualization ggplot2 distributions binomial random-variable poisson-distribution simulation kalman-filter regression lasso regularization lme4-nlme model-selection aic r mcmc dlm particle-filter r panel-data multilevel-analysis model-selection entropy graphical-model r distributions quantiles qq-plot svm matlab regression lasso regularization entropy inference r distributions dataset algorithms matrix-decomposition regression modeling interaction regularization expected-value exponential gamma-distribution mcmc gibbs probability self-study normality-assumption naive-bayes bayes-optimal-classifier standard-deviation classification optimization control-chart engineering-statistics regression lasso regularization regression references lasso regularization elastic-net r distributions aggregation clustering algorithms regression correlation modeling distributions time-series standard-deviation goodness-of-fit hypothesis-testing statistical-significance sample binary-data estimation random-variable interpolation distributions probability chi-squared predictor outliers regression modeling interaction

Pytania otagowane jako kernel-smoothing