Wzór na wariancję obliczeniową ma w mianowniku:(n−1)(n−1)(n-1) s2=∑Ni=1(xi−x¯)2n−1s2=∑i=1N(xi−x¯)2n−1s^2 = \frac{\sum_{i=1}^N (x_i - \bar{x})^2}{n-1} Zawsze zastanawiałem się dlaczego. Wydaje się jednak, że czytanie i oglądanie kilku dobrych filmów o tym „dlaczego” jest dobrym obiektywnym oszacowaniem wariancji populacji. Natomiast nie docenia i przecenia wariancję populacji.n ( n - 2 )(n−1)(n−1)(n-1)nnn(n−2)(n−2)(n-2) Ciekawe, czy …
Mam problem z wyprowadzeniem formuły dywergencji KL przy założeniu dwóch normalnych rozkładów wielowymiarowych. Zrobiłem przypadek jednoznaczny dość łatwo. Minęło jednak sporo czasu, odkąd wziąłem statystyki matematyczne, więc mam problem z rozszerzeniem go na przypadek wielowymiarowy. Jestem pewien, że brakuje mi czegoś prostego. Oto co mam ... Załóżmy, że zarówno jak …
Jak stwierdza pytanie - czy można udowodnić hipotezę zerową? Z mojego (ograniczonego) zrozumienia hipotezy odpowiedź brzmi „nie”, ale nie potrafię znaleźć dokładnego wyjaśnienia. Czy pytanie ma ostateczną odpowiedź?
Zamknięte. To pytanie jest nie na temat . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby było tematem dotyczącym weryfikacji krzyżowej. Zamknięte 2 lata temu . Używam karetki, aby uruchomić sprawdzony krzyżowo losowy las w zbiorze danych. Zmienna Y jest czynnikiem. W moim zestawie danych nie ma …
Mam problem z dowodem E(Y|X)∈argming(X)E[(Y−g(X))2]E(Y|X)∈argming(X)E[(Y−g(X))2]E(Y|X) \in \arg \min_{g(X)} E\Big[\big(Y - g(X)\big)^2\Big] które najprawdopodobniej ujawnią głębsze nieporozumienie oczekiwań i oczekiwań warunkowych. Dowód, który znam, wygląda następująco (inną wersję tego dowodu można znaleźć tutaj ) ===argming(X)E[(Y−g(x))2]argming(X)E[(Y−E(Y|X)+E(Y|X)−g(X))2]argming(x)E[(Y−E(Y|X))2+2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]argming(x)E[2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]argming(X)E[(Y−g(x))2]=argming(X)E[(Y−E(Y|X)+E(Y|X)−g(X))2]=argming(x)E[(Y−E(Y|X))2+2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]=argming(x)E[2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]\begin{align*} &\arg \min_{g(X)} E\Big[\big(Y - g(x)\big)^2\Big]\\ = &\arg \min_{g(X)} E \Big[ \big(Y - E(Y|X) + E(Y|X) - …
Tekst Wackerly i wsp. Stwierdza, że to twierdzenie „Niech mx(t)mx(t)m_x(t) i my(t)my(t)m_y(t) oznaczają odpowiednio funkcje generujące momenty zmiennych losowych X i Y. Jeśli istnieją obie funkcje generujące moment i mx(t)=my(t)mx(t)=my(t)m_x(t) = m_y(t) dla wszystkich wartości t, wówczas X i Y mają taki sam rozkład prawdopodobieństwa. ” bez dowodu, że jest …
Zaczerpnięte z Grimmet i Stirzaker : Pokaż, że nie może być tak, że U=X+YU=X+YU=X+Y gdzie UUU jest równomiernie rozmieszczone na [0,1], a XXX i YYY są niezależne i identycznie rozmieszczone. Nie należy zakładać, że X i Y są zmiennymi ciągłymi. Prosty dowód sprzeczności jest wystarczający dla przypadku, gdy XXX , …
Z Wikipedia , korelacji rang Spearmana oblicza się w zależności od czynników konwersji XiXiX_i jak I YiYiY_i w rankingu zmiennych xixix_i i yiyiy_i , a następnie obliczenie korelacji Pearsona między miejsce zmienne: Jednak artykuł przechodzi do stanu, że jeśli istnieją żadne powiązania wśród zmiennych XiXiX_i i YiYiY_i , powyższy wzór …
Niedawno spotkałem dwuwymiarowy rozkład Poissona, ale jestem trochę zdezorientowany, jak można go uzyskać. Rozkład podaje: P(X=x,Y=y)=e−(θ1+θ2+θ0)θx1x!θy2y!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP.(X=x,Y=y)=mi-(θ1+θ2)+θ0)θ1xx!θ2)yy!∑ja=0mjan(x,y)(xja)(yja)ja!(θ0θ1θ2))jaP(X = x, Y = y) = e^{-(\theta_{1}+\theta_{2}+\theta_{0})} \displaystyle\frac{\theta_{1}^{x}}{x!}\frac{\theta_{2}^{y}}{y!} \sum_{i=0}^{min(x,y)}\binom{x}{i}\binom{y}{i}i!\left(\frac{\theta_{0}}{\theta_{1}\theta_{2}}\right)^{i} Z tego, co mogę zebrać, pojęcie θ0θ0\theta_{0} jest miarą korelacji między XXX i YYY ; stąd, gdy XXX i YYY są niezależne, θ0=0θ0=0\theta_{0} = 0 …
Najwyraźniej jest tak, że jeśli , toXja∼ N.( 0 , 1 )Xi∼N(0,1)X_i \sim N(0,1) X1X2)+ X3)X4∼ L a p l a c e ( 0 , 1 )X1X2+X3X4∼Laplace(0,1)X_1 X_2 + X_3 X_4 \sim \mathrm{Laplace(0,1)} Widziałem artykuły na temat dowolnych kwadratowych form, które zawsze skutkują okropnymi niecentralnymi wyrażeniami chi-kwadrat. Powyższa prosta …
W Elements of Statistics Learning wprowadzono problem podkreślenia problemów z k-nn w przestrzeniach o dużych wymiarach. Istnieje punktów danych, które są równomiernie rozmieszczone w kuli jednostkowej wymiarowej.pNNNppp Mediana odległości od początku do najbliższego punktu danych jest wyrażona przez wyrażenie: d(p,N)=(1−(12)1N)1pd(p,N)=(1−(12)1N)1pd(p,N) = \left(1-\left(\frac{1}{2}\right)^\frac{1}{N}\right)^\frac{1}{p} Gdy , formuła rozkłada się do połowy promienia …
Jak możesz udowodnić, że równania normalne: mają jedno lub więcej rozwiązań bez założenia, że X jest odwracalny?( XT.X) β= XT.Y(XTX)β=XTY(X^TX)\beta = X^TY Domyślam się tylko, że ma to coś wspólnego z uogólnioną odwrotnością, ale jestem całkowicie zagubiony.
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”.
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.