«bernoulli-distribution» 태그된 질문

매개 변수가 (성공 가능성) 인 Bernoulli 랜덤 변수 을 고려하십시오 . 우도 함수 및 Fisher 정보 ( 행렬)는 다음과 같습니다.X∈{0,1}X∈{0,1}X\in\{0,1\}θθ\theta1×11×11 \times 1 L1(θ;X)I1(θ)=p(X|θ)=θX(1−θ)1−X=detI1(θ)=1θ(1−θ)L1(θ;X)=p(X|θ)=θX(1−θ)1−XI1(θ)=detI1(θ)=1θ(1−θ) \begin{align} \mathcal{L}_1(\theta;X) &= p(\left.X\right|\theta) = \theta^{X}(1-\theta)^{1-X} \\ \mathcal{I}_1(\theta) &= \det \mathcal{I}_1(\theta) = \frac{1}{\theta(1-\theta)} \end{align} 이제 성공 확률 θ1θ1\theta_1 과 실패 확률 \ theta_0 의 두 매개 변수를 …

10 bernoulli-distribution  parameterization  fisher-information  determinant 

친구로부터 다음과 같은 질문을 받았습니다. 나는 그녀를 도울 수 없었지만 누군가 나에게 설명 할 수 있기를 바랍니다. 비슷한 예를 찾을 수 없습니다. 도움과 설명을 주셔서 감사합니다. Q : 100 번의 코인 던지기 실험 결과는 0 = "Tail"및 1 = "Head"로 기록됩니다. 출력 x는 0과 길이 100의 1입니다. x에서 1-0-0을 얻는 …

9 probability  inference  bernoulli-distribution 

예 : 직업 설명에 "영국의 Java Senior Engineer"문장이 있습니다. 나는 2 개 종류로 예측하는 깊은 학습 모델을 사용하려면 : English 와 IT jobs. 기존 분류 모델을 사용하는 경우 softmax마지막 레이어에서 함수가있는 레이블 하나만 예측할 수 있습니다 . 따라서 두 모델 신경망을 사용하여 두 범주 모두에서 "예"/ "아니오"를 예측할 수 있지만 …

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 

콕스 비례 위험 모델의 생존 곡선을 어떻게 해석합니까? 이 장난감 예 age에서 kidney데이터의 변수에 대한 cox 비례 위험 모델이 있고 생존 곡선을 생성 한다고 가정 합니다. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() 예를 들어, 시간 에 어떤 진술이 참입니까? 또는 둘 다 잘못 되었습니까?200200200 진술 1 : …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

누군가가 를 시뮬레이션하는 방법을 알려줄 수 있습니까? 여기서 은 동전 던지기를 사용하여 (필요한 횟수만큼) ?B e r n o u l l i (ㅏ비)Bernoulli(ab)\mathrm{Bernoulli}\left({a\over b}\right)a , b ∈ Na,b∈Na,b\in \mathbb{N}피( H) = pP(H)=pP(H)=p 나는 거부 샘플링을 사용하려고 생각했지만 그것을 못 박았습니다.

9 probability  simulation  bernoulli-distribution  rejection-sampling 

하자 값 복용 독립 확률 변수 일 수 또는 확률을 각각 0.5. 합계 . 확률 상한을 설정하고 싶습니다 . 내가 지금 가지고있는 가장 좋은 범위는 여기서 c 는 범용 상수입니다. 이것은 간단한 Chernoff 범위의 적용에 의해 확률 Pr (| x_1 + \ dots + x_n | <\ sqrt {t}) 및 …

9 probability  random-variable  bernoulli-distribution