Pytania otagowane jako probability

Załóżmy, że masz zestaw rezystorów R, z których wszystkie są rozmieszczone ze średnią μ i wariancją σ. Rozważ odcinek obwodu o następującym układzie: (r) || (r + r) || (r + r + r). Równoważny opór każdej części to r, 2r i 3r. Wariancja każdej sekcji wynosiłaby wtedy σ2σ2σ^2 , …

10 probability  sampling  variance 

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 

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 

Próbuję uzyskać jaśniejszy intuicji tyle: „Jeśli sprawia bardziej prawdopodobne, następnie sprawia bardziej prawdopodobne”, czyliZAAAbBBbBBZAAA Niech oznaczają wielkość przestrzeni, w której i są, po czymn ( S)n(S)n(S)ZAAAbBB Twierdzenie: soP.( B | A ) > P( B )P(B|A)>P(B)P(B|A)>P(B)n ( A B ) / n ( A ) > n ( B ) …

9 probability  inference  conditional-probability  intuition  association-measure 

Przyjaciel zadał mi następujące pytanie. Nie mogłem jej pomóc, ale mam nadzieję, że ktoś mi to wyjaśni. Nie mogłem znaleźć podobnego przykładu. Dzięki za wszelką pomoc i wyjaśnienia. P: Wyniki 100 eksperymentów rzucania monetą są rejestrowane jako 0 = „Ogon” i 1 = „Głowa”. Wyjściowy x jest łańcuchem zer i …

9 probability  inference  bernoulli-distribution 

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 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 

Miałem więc test prawdopodobieństwa i tak naprawdę nie mogłem odpowiedzieć na to pytanie. Poprosił tylko o coś takiego: „Biorąc pod uwagę, że jest zmienną losową, 0 , użyj poprawnej nierówności, aby udowodnić, co jest wyższe lub równe, E (X ^ 2) ^ 3 lub E (X ^ 3) ^ 2 …

9 probability  self-study  probability-inequalities 

Niech będą niezależnymi i identycznie rozmieszczonymi standardowymi jednolitymi zmiennymi losowymi.X1,…,Xn∼U(0,1)X1,…,Xn∼U(0,1)X_1,\dots,X_n \sim U(0,1) Let Yn=∑inX2iI seek: E[Yn−−√]Let Yn=∑inXi2I seek: E[Yn]\text{Let }\quad Y_n=\sum_i^nX_i^2 \quad \quad \text{I seek: } \quad \mathbb{E}\big[\sqrt{Y_n } \big] Oczekiwanie na jest łatwe:YnYnY_n E[X2]E[Yn]=∫10y2y√=13=E[∑inX2i]=∑inE[X2i]=n3E[X2]=∫01y2y=13E[Yn]=E[∑inXi2]=∑inE[Xi2]=n3\begin{align} \mathbb{E}\left[X^2\right] &=\int_0^1\frac{y}{2\sqrt{y}}=\frac{1}{3}\\ \mathbb{E}\left[Y_n\right] &=\mathbb{E}\left[\sum_i^nX_i^2\right] = \sum_i^n\mathbb{E}\left[X_i^2\right]=\frac{n}{3} \end{align} Teraz część nudna. Aby ubiegać się o LOTUS, …

9 probability  expected-value  uniform  central-limit-theorem  mgf 

Niech będzie IID i \ bar {X} = \ sum_ {i = 1} ^ {n} X_i . E \ left [\ frac {X_i} {\ bar {X}} \ right] = \? Wydaje się to oczywiste, ale mam problemy z formalnym wyprowadzeniem go.XiXiX_iX¯=∑ni=1XiX¯=∑i=1nXi\bar{X} = \sum_{i=1}^{n} X_iE[XiX¯]= ?E[XiX¯]= ? E\left[\frac{X_i}{\bar{X}}\right] = \ ?

9 probability  random-variable  expected-value 

Muszę się upewnić, że moja mapa witryny XML ma mniej niż 1 %1%1\%śmieci (zepsute linki). Lista adresów URL znajduje się w setkach tysięcy i nawet jeśli byłoby możliwe przetestowanie ich wszystkich 1 na 1, wolałbym tego nie robić z wielu powodów: 1 - Saved bandwidth 2 - Faster traffic for …

9 probability  confidence-interval  sample-size 

Cóż, nie możemy zobaczyć, na przykład https://en.wikipedia.org/wiki/Subindependence dla interesującego kontrprzykładu. Ale prawdziwe pytanie brzmi: czy jest jakiś sposób na wzmocnienie tej kondycji, aby nastąpiła niezależność? Na przykład, czy istnieje jakiś zestaw funkcji więc jeśli dla wszystkich to nastąpi niezależność? A jak duży musi być taki zestaw funkcji, nieskończony?sol1, ... ,solng1,…,gng_1, …

9 probability  mathematical-statistics  references  random-variable  independence 

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 

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