«estimation» 태그된 질문

나는이 정규 분포 변수의 측정 복용하고있는 실험이 ,YYY Y∼N(μ,σ)Y∼N(μ,σ)Y \sim N(\mu,\sigma) 그러나 이전의 실험 표준 편차 몇 가지 증거 제공 한 독립 변수의 아핀 함수 , 즉Xσσ\sigmaXXX σ=a|X|+bσ=a|X|+b\sigma = a|X| + b Y∼N(μ,a|X|+b)Y∼N(μ,a|X|+b)Y \sim N(\mu,a|X| + b) 여러 값에서 를 샘플링 하여 매개 변수 와 를 추정하고 싶습니다 . 또한 …

11 normal-distribution  estimation  experiment-design  model  heteroscedasticity 

James-Stein 추정값에 대해 내가 찾은 모든 진술은 추정되는 랜덤 변수의 분산이 동일하다고 가정합니다. 그러나이 모든 예는 JS 추정기가 서로 관련이없는 수량을 추정하는 데 사용될 수 있다고 언급합니다. 위키 피 디아 예는 몬태나 빛, 대만의 차 소비, 돼지 무게의 속도입니다. 그러나이 세 가지 수량에 대한 측정 결과에는 "실제"차이가있을 수 있습니다. 이것이 …

11 estimation  shrinkage  steins-phenomenon 

나는 작은 샘플 (얻을 수있는 프로세스 일반적으로-배포 한 N 내가 분산을 추정하는 데 사용할 것을 일반적으로 10 ~ 30). 그러나 종종 샘플이 너무 가까워서 중심 근처의 개별 지점을 측정 할 수 없습니다. 나는 우리가 순서가있는 샘플을 사용하여 효율적인 추정량을 구성 할 수 있다는이 모호한 이해를 가지고있다. 5 어느 쪽 꼬리에서나, …

11 normal-distribution  estimation  rayleigh 

나는이 임무를 받았으며 그에 걸렸다. 동료가 다음 차트 의 및 x_ {lower} 를 추정하도록 요청 했습니다.엑스U p p e r엑스유피피이자형아르 자형x_{upper}엑스l o w e r엑스엘영형승이자형아르 자형x_{lower} 곡선은 실제로 누적 분포이며 x는 일종의 측정입니다. 그는 누적 함수가 직선화되고 직선화에서 벗어날 때 x의 해당 값이 무엇인지 알고 싶어합니다. 우리는 점에서 경사를 찾기 …

11 estimation  pdf  curve-fitting  logistic-curve 

나는 최대 가능성 추정과 최대 사후 추정에 대해 읽었으며 지금까지 최대 가능성 추정과 함께 구체적인 예를 만났습니다. 나는 최대 사후 추정의 추상 예제를 찾았지만 아직 구체적인 숫자는 없습니다. 추상 변수와 함수로만 작동하는 것은 매우 압도적 일 수 있으며, 이러한 추상화에 빠져들지 않기 위해 사물을 현실 세계와 때때로 연관시키는 것이 좋습니다. …

11 bayesian  estimation  posterior 

y = β 1 형식의 데이터가 있습니다.y=β11+exp(β2+β3∗x)y=β11+exp⁡(β2+β3∗x)y = \frac{\beta_1}{1 + \exp(\beta_2 + \beta_3 * x)} . β1β1\beta_1~의 추정을β3β3\beta_3위해이 논문의 공식을 사용합니다 :John Fox-비선형 회귀 및 비선형 최소 제곱 이 논문에서,β1β1\beta_1은 데이터를보고 추정됩니다. 내가 그렇게하면 3 점 만 있어도 잘 작동합니다. 그로부터 나는 다른 두 사람을 계산할 수 있습니다. R의 nls …

11 logistic  estimation 

그의에서 대답 내 이전 질문, @Erik P.는 식 준다 여기서 는 분포 의 초과 첨도 입니다. 표본 분산 분포 에 대한 Wikipedia 항목에 대한 참조 가 제공되지만 Wikipedia 페이지에는 "인용 필요"라고 표시되어 있습니다.κV a r [ s2] = σ4( 2엔- 1+ κ엔),Var[s2]=σ4(2n−1+κn), \mathrm{Var}[s^2]=\sigma^4 \left(\frac{2}{n-1} + \frac{\kappa}{n}\right) \>, κκ\kappa 내 주요 …

11 estimation  variance  references 

평균 m 및 표준 편차 s를 갖는 정규 분포에 따라 데이터를 생성하는 블랙 박스가 있다고 가정합니다. 그러나 값이 0보다 작은 값을 출력 할 때마다 아무 것도 기록하지 않는다고 가정하십시오 (이러한 값이 출력되었음을 알 수 없음). 급격한 가우시안 분포가 있습니다. 이 매개 변수를 어떻게 추정 할 수 있습니까?

11 distributions  estimation 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

MLE 학습을위한 학습 계획을 세우려고합니다. 이를 위해 MLE을 이해하는 데 필요한 최소 수준의 미적분이 무엇인지 파악하려고합니다. MLE를 이해하기 위해 미적분학의 기초를 이해하는 것만으로 충분합니까 (즉, 최소 및 최대 함수 찾기)?

11 estimation  mathematical-statistics  maximum-likelihood 

컴퓨터 그래픽에서 매우 일반적인 상황은 일부 픽셀의 색상이 실제 가치 함수의 적분과 동일하다는 것입니다. 함수가 분석적으로 풀기에는 너무 복잡하기 때문에 종종 수치 근사치가 남습니다. 그러나이 함수는 종종 계산하는 데 비용이 많이 들기 때문에 계산할 수있는 샘플 수에 크게 제약을받습니다. (예를 들어, 백만 개의 샘플을 가져 와서 그대로두기로 결정할 수는 없습니다.) …

11 estimation  monte-carlo  function  quasi-monte-carlo 

여기서 는 평균 이고 표준 편차 와 같은 간단한 회귀를 고려하십시오 (정상 가정되지 않음) . 와 의 최소 ​​제곱 추정값은 서로 관련이 없습니까?와이나는= a + b엑스나는+이자형나는,Yi=a+bXi+ei,Y_i = a + b X_i + e_i,이자형나는eie_i000σσ\sigmaㅏaa비bb

11 regression  correlation  estimation 

하자 로부터 인출 랜덤 샘플 수 인구 여기서 .( X1, X2, ⋯ , X엔)(엑스1,엑스2,⋯,엑스엔)(X_1,X_2,\cdots,X_n)엔( θ , θ2)엔(θ,θ2)\mathcal N(\theta,\theta^2)θ∈ Rθ∈아르 자형\theta\in\mathbb R 의 UMVUE를 찾고 있습니다.θθ\theta 의 결합 밀도 는(X1,X2, ⋯ ,X엔)(엑스1,엑스2,⋯,엑스엔)(X_1,X_2,\cdots,X_n) 에프θ( x1, x2, ⋯ , x엔)= ∏나는 = 1엔1θ 2 π−−√특급[ − 12 θ2( x나는− θ )2]= 1( θ …

10 mathematical-statistics  normal-distribution  estimation  inference  umvue 

하자 농도에서 무작위로 일( X 1 , X 2 , ... , X N ) (X1,X2,…,Xn)(X_1,X_2,\ldots,X_n)F θ ( X ) = θ X θ - 1 1 0 < X < 1,θ > 0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 의 UMVUE를 찾으려고합니다 .θ1 + θθ1+θ\frac{\theta}{1+\theta} 의 관절 밀도 는( X 1 , … , …

10 self-study  distributions  estimation  inference  beta-distribution 

두 샘플에 대해 Kullback-Leibler Divergence의 수치 추정을 구현하려고했습니다. 구현을 디버그하려면 두 정규 분포 엔( 0 , 1 )엔(0,1)\mathcal N (0,1) 및 에서 샘플을 가져옵니다 .엔( 1 , 2 )엔(1,2)\mathcal N (1,2) 간단한 추정을 위해 두 개의 히스토그램을 생성하고 수치 적으로 근사치를 근사하려고했습니다. 히스토그램 중 하나의 빈이 0 인 히스토그램의 해당 …

10 estimation  intuition  kullback-leibler  numerics