Pytania otagowane jako self-study

Przeczytałem lemat Neymana-Pearsona z książki Wprowadzenie do teorii statystyki Mooda, Graybilla i Boesa. Ale nie zrozumiałem lematu. Czy ktoś może mi wyjaśnić lemat prostymi słowami? Co to oznacza? Lemat Neymana-Pearsona: Niech będzie losową próbką z , gdzie θ jest jedną z dwóch znanych wartości θ 0 i θ 1 , …

21 hypothesis-testing  self-study  references  inference  likelihood-ratio 

Kiedy wykreślam histogram moich danych, ma on dwa szczyty: Czy to oznacza potencjalny rozkład multimodalny? Uruchomiłem dip.testw R ( library(diptest)), a dane wyjściowe to: D = 0.0275, p-value = 0.7913 Czy mogę stwierdzić, że moje dane mają rozkład multimodalny? DANE 10346 13698 13894 19854 28066 26620 27066 16658 9221 13578 …

21 r  hypothesis-testing  distributions  self-study  histogram 

Oto moje stare pytanie Chciałbym zapytać, czy ktoś zna różnicę (jeśli istnieje jakakolwiek różnica) między modelami Hidden Markov (HMM) a Particle Filter (PF), aw konsekwencji Filtrem Kalmana, lub w jakich okolicznościach korzystamy z którego algorytmu. Jestem studentem i muszę zrobić projekt, ale najpierw muszę zrozumieć niektóre rzeczy. Tak więc, zgodnie …

21 machine-learning  self-study  hidden-markov-model  kalman-filter  particle-filter 

Mam podstawowe dane na temat redukcji emisji i kosztu na samochód: q24 <- read.table(text = "reductions cost.per.car 50 45 55 55 60 62 65 70 70 80 75 90 80 100 85 200 90 375 95 600 ",header = TRUE, sep = "") Wiem, że jest to funkcja wykładnicza, dlatego …

21 r  self-study  exponential  starting-values 

Po przeprowadzeniu analizy głównego składnika (PCA) chcę rzutować nowy wektor na przestrzeń PCA (tzn. Znaleźć jego współrzędne w układzie współrzędnych PCA). Mam obliczony PCA w języku R użyciu prcomp. Teraz powinienem być w stanie pomnożyć mój wektor przez macierz obrotu PCA. Czy główne elementy tej macierzy powinny być ułożone w …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

W mojej klasie prawdopodobieństwa ciągle stosowane są terminy „sumy zmiennych losowych”. Jednak utknąłem na tym, co to dokładnie oznacza? Czy mówimy o sumie wielu realizacji z zmiennej losowej? Jeśli tak, to czy to nie stanowi pojedynczej liczby? W jaki sposób suma realizacji zmiennych losowych prowadzi nas do dystrybucji lub jakiejkolwiek …

21 probability  self-study  random-variable  terminology 

Więc tutaj studiuję wnioskowanie. Chciałbym, aby ktoś mógł wymienić zalety wykładniczej rodziny. Przez rodzinę wykładniczą rozumiem rozkłady, które są podane jako f( x|θ)=h(x)exp{η(θ)T( x ) - B ( θ)}f(x|θ)=h(x)exp⁡{η(θ)T.(x)-b(θ)}\begin{align*} f(x|\theta) = h(x)\exp\left\{\eta(\theta)T(x) - B(\theta)\right\} \end{align*} których wsparcie nie zależy od parametru θθ\theta . Oto kilka zalet, które odkryłem: (a) Obejmuje …

19 self-study  exponential-family 

W moim rozumieniu „kontrola” może mieć dwa znaczenia w statystyce. Grupa kontrolna: W eksperymencie członek grupy kontrolnej nie jest leczony. Np .: Placebo vs. Lek: Dajesz leki jednej grupie, a nie drugiej (kontrola), co jest również określane jako „kontrolowany eksperyment”. Kontrola zmiennej: technika oddzielania efektu określonej zmiennej niezależnej. Niektóre inne …

19 regression  self-study  anova  experiment-design  controlling-for-a-variable 

Jak najłatwiej sprawdzić, czy poniższe stwierdzenie jest prawdziwe? Załóżmy że . Pokaż .Y1,…,Yn∼iidExp(1)Y1,…,Yn∼iidExp(1)Y_1, \dots, Y_n \overset{\text{iid}}{\sim} \text{Exp}(1)∑ni=1(Yi−Y(1))∼Gamma(n−1,1)∑i=1n(Yi−Y(1))∼Gamma(n−1,1)\sum_{i=1}^{n}(Y_i - Y_{(1)}) \sim \text{Gamma}(n-1, 1) Zauważ, że .Y(1)=min1≤i≤nYiY(1)=min1≤i≤nYiY_{(1)} = \min\limits_{1 \leq i \leq n}Y_i Przez X∼Exp(β)X∼Exp(β)X \sim \text{Exp}(\beta) oznacza to, że fX(x)=1βe−x/β⋅1{x>0}fX(x)=1βe−x/β⋅1{x>0}f_{X}(x) = \dfrac{1}{\beta}e^{-x/\beta} \cdot \mathbf{1}_{\{x > 0\}} . Łatwo zauważyć, że Y(1)∼Exponential(1/n)Y(1)∼Exponential(1/n)Y_{(1)} …

18 self-study  distributions  exponential  order-statistics  jacobian 

Niech BtBtB_t być standardowy ruch Browna. Niech oznacza zdarzenie i niech gdzie oznacza funkcję wskaźnika. Czy istnieje takie, że dla dla wszystkich ? Podejrzewam, że odpowiedź brzmi tak; Próbowałem zadzierać z metodą drugiej chwili, ale bezskutecznie. Czy można to pokazać za pomocą metody drugiego momentu? A może powinienem spróbować czegoś …

18 probability  self-study  moments  distributions  brownian 

Z An Introduction to Statistical Learning przez James i wsp., Przerwa, jeden z krzyżowego (LOOCV) oszacowanie jest określone przez CV(n)=1n∑i=1nMSEiCV(n)=1n∑i=1nMSEi\text{CV}_{(n)} = \dfrac{1}{n}\sum\limits_{i=1}^{n}\text{MSE}_i gdzieMSEi=(yi−y^i)2MSEi=(yi−y^i)2\text{MSE}_i = (y_i-\hat{y}_i)^2. Bez dowodu równanie (5.2) stwierdza, że ​​dla regresji metodą najmniejszych kwadratów lub wielomianu (to, czy dotyczy to regresji tylko jednej zmiennej, jest dla mnie nieznane), …

18 regression  self-study  cross-validation  least-squares 

W ramach mojej pracy magisterskiej pracuję nad opracowaniem modelu statystycznego dla przejść między różnymi stanami, określonego statusem serologicznym. Na razie nie podam zbyt wielu szczegółów w tym kontekście, ponieważ moje pytanie jest bardziej ogólne / teoretyczne. W każdym razie, mam intuicję, że powinienem używać ukrytego modelu Markowa (HMM); Problemem, który …

18 machine-learning  self-study  hidden-markov-model 

Miałem nadzieję, że ktoś może zaproponować argument wyjaśniający, dlaczego zmienne losowe Y1=X2−X1Y1=X2−X1Y_1=X_2-X_1 i Y2=X1+X2Y2=X1+X2Y_2=X_1+X_2 , o standardowym rozkładzie normalnym, są statystycznie niezależne. Dowód tego faktu łatwo wywodzi się z techniki MGF, ale uważam ją za wyjątkowo sprzeczną z intuicją.XiXiX_i Byłbym wdzięczny za intuicję tutaj, jeśli w ogóle. Z góry dziękuję. …

18 probability  self-study  mathematical-statistics 

Szukam książki wprowadzającej do poziomu średniego na temat ogólnych modeli liniowych. Idealnie, oprócz teorii leżącej u podstaw modeli, chciałbym, aby zawierały aplikacje i przykłady w języku R lub innym języku programowania - słyszę, że SAS jest również popularnym wyborem. Zamierzam przestudiować go na własną rękę, więc pomogłoby, gdyby dostarczył odpowiedzi …

18 self-study  generalized-linear-model  references 

Załóżmy, że rzetelna moneta jest rzucana wielokrotnie, dopóki głowa nie zostanie zdobyta po raz pierwszy. Jaka jest oczekiwana liczba rzutów, które będą wymagane? Jaka jest oczekiwana liczba ogonów, które zostaną uzyskane przed uzyskaniem pierwszej głowy?

18 probability  self-study  expected-value  bernoulli-distribution  geometric-distribution