«intuition» 태그된 질문

주요 구성 요소 분석 (PCA) 이 주제 (이중) 공간에서 작동하는 방식을 직관적으로 이해하려고 합니다. . 두 개의 변수 x1x1x_1 과 x2x2x_2 와 nnn 데이터 포인트를 갖는 2D 데이터 세트를 고려하십시오 (데이터 매트릭스 XX\mathbf X 는 n×2n×2n\times 2 이며 중앙에 있다고 가정). PCA의 일반적인 표현은 우리 가 R 2 에서 nnn …

19 pca  linear-algebra  intuition  geometry 

분산의 기본 정체성을 고려하십시오. Var(X)===E[(X−E[X])2]...E[X2]−(E[X])2Var(X)=E[(X−E[X])2]=...=E[X2]−(E[X])2 \begin{eqnarray} Var(X) &=& E[(X - E[X])^2]\\ &=& ...\\ &=& E[X^2] - (E[X])^2 \end{eqnarray} 중심 모멘트를 중심이 아닌 모멘트로 정의하는 간단한 대수적 조작입니다. 다른 상황에서 를 편리하게 조작 할 수 있습니다. 또한 평균을 계산 한 다음 분산을 계산하기 위해 두 패스가 아닌 단일 패스 데이터를 통해 …

18 variance  descriptive-statistics  intuition 

나는 주성분 분석에 대한 이해 라는 질문을보고 즐겼으며, 이제 독립 성분 분석에 대해서도 같은 질문을합니다. ICA를 이해하는 직관적 인 방법에 대해 포괄적 인 질문을하고 싶습니다. 이해 하고 싶습니다 . 나는 그것의 목적을 얻고 싶다. 느낌을 받고 싶습니다. 나는 그것을 강력하게 믿습니다. 할머니에게 설명 할 수 없다면 실제로 무언가를 이해하지 못합니다. …

18 intuition  ica 

클러스터링의 어려움을 탐구하는 Kleinberg (2002) 의이 흥미로운 분석에 대한 블로그 게시물을 작성하려고 생각했습니다 . Kleinberg는 군집화 기능에 대한 직관적으로 보이는 세 가지 욕구를 요약 한 다음 해당 기능이 없음을 증명합니다. 세 가지 기준 중 두 가지를 만족시키는 많은 클러스터링 알고리즘이 있습니다. 그러나 세 기능을 동시에 만족시킬 수있는 기능은 없습니다. 간략하고 …

17 mathematical-statistics  clustering  intuition  hierarchical-clustering 

여기 에 샘플 가 주어진 것을 읽었습니다 . . . ,X1,X2,...,XnX1,X2,...,Xn X_1,X_2,...,X_n cdf 를 사용한 연속 분포로부터의 X n 에서, 대응하는 샘플 은 표준 균일 분포를 따른다.FXFX F_X Ui=FX(Xi)Ui=FX(Xi) U_i = F_X(X_i) 파이썬에서 질적 시뮬레이션을 사용하여 이것을 확인했으며 관계를 쉽게 확인할 수있었습니다. import matplotlib.pyplot as plt import scipy.stats xs = …

17 pdf  uniform  cdf  intuition 

나는 표본 중앙값이 특이 치를 무시하기 때문에 표본 평균보다 중심 경향의 더 강력한 척도라는 신념 아래 노력했다. I 따라서 (에 대한 대답에서 배울 놀랐다 또 다른 질문 정규 분포에서 가져온 샘플, 표본 평균의 분산은 (대형위한 최소한 적은 표본 평균의 분산보다 있음) ).nnn 왜 이것이 사실인지 수학적으로 이해합니다. 다른 분포에 대한 …

17 distributions  median  intuition  mean  efficiency 

질문 : 유사 최대 가능성 추정 (QMLE; 의사 최대 가능성 추정, PMLE이라고도 함)의 아이디어와 직관은 무엇입니까? 실제 오차 분포가 가정 된 오차 분포와 일치하지 않을 때 추정기가 작동하는 이유는 무엇입니까? QMLE 의 Wikipedia 사이트 는 훌륭하지만 (간결하고 직관적이며 요점까지는) 좀 더 직관과 세부 사항, 아마도 그림을 사용할 수 있습니다. 다른 …

17 maximum-likelihood  references  intuition  quasi-likelihood 

위험률의 정의로 사용되는 방정식에 대해 혼란 스럽습니다. 나는 위험률이 무엇인지에 대한 아이디어를 얻었지만 방정식이 그 직관을 어떻게 표현하는지 보지 못합니다. xxx 가 시간 간격 에서 누군가의 사망 시점을 나타내는 임의의 변수 인 경우 [0,T][0,T][0,T]. 그런 다음 위험률은 다음과 같습니다. h(x)=f(x)1−F(x)h(x)=f(x)1−F(x)h(x)=\frac{f(x)}{1-F(x)} 여기서 F(x)F(x)F(x) 시점까지 사망 가능성을 나타내는 x∈[0,T]x∈[0,T]x\in[0,T] , 1−F(x)1−F(x)1-F(x) 시점까지 …

16 survival  intuition  hazard 

오늘 저는 입문 통계를 가르치고 학생이 여기에 다음과 같이 질문합니다. "왜 표준 편차가 분산의 sqrt로 정의되고 N에 대한 제곱의 sqrt로 정의되지 않습니까?" 모집단 분산을 정의합니다 : σ2=1N∑(xi−μ)2σ2=1N∑(xi−μ)2\sigma^2=\frac{1}{N}\sum{(x_i-\mu)^2} 표준 편차 : σ=σ2−−√=1N√∑(xi−μ)2−−−−−−−−−−√σ=σ2=1N∑(xi−μ)2\sigma=\sqrt{\sigma^2}=\frac{1}{\sqrt{N}}\sqrt{\sum{(x_i-\mu)^2}} . 우리가 σ에 줄 수있는 해석σσ\sigma 은 모집단 평균의 와 모집단의 평균 편차를 제공한다는 것입니다 .XXX 그러나 sd의 정의에서 …

16 variance  standard-deviation  intuition  teaching 

EM 절차는 초기에 거의 흑 마법으로 나타납니다. 감독 된 데이터를 사용하여 HMM의 매개 변수를 추정하십시오 (예 :). 그런 다음 태그가없는 것처럼 'count'이벤트를 앞뒤로 사용하여 태그가 지정되지 않은 데이터를 디코딩합니다. 이것이 왜 모델을 더 좋게 만드는가? 나는 수학에 대해 뭔가를 알고 있지만, 어떤 종류의 수학 그림을 계속 희망하고 있습니다.

16 expectation-maximization  intuition 

나는 무작위 효과 (피험자에 대한 BLUP / 조건 모드)가 선형 혼합 효과 모델의 매개 변수가 아니라 추정 분산 / 공분산 매개 변수에서 파생 될 수 있다는 것을 여러 번 읽었습니다. 예를 들어 Reinhold Kliegl et al. (2011) 상태 : 무작위 효과는 대 평균 RT에서 피사체의 편차와 고정 효과 매개 변수에서 …

15 mixed-model  intuition  blup 

iTunes와 YouTube에서 찾을 수있는 Harvard의 Statistics 110 : Probability 과정 의 비디오 강의 에서이 문제 가 발생 했습니다. 여기에 요약하려고했습니다. 표준 데크에서 무작위로 2 장의 카드를받습니다. 우리가 하나 이상의 에이스를 가졌을 때 두 카드가 에이스 일 확률은 얼마입니까? P(both aces|have ace)=P(both aces,have ace)P(have ace)P(both aces|have ace)=P(both aces,have ace)P(have ace) P(both\ …

15 probability  conditional-probability  intuition 

길이의 순서 : 나는 전형적인 세트의 개념은 꽤 직관적이라고 생각 nnn 전형적인 설정에 속하는 것 ( N ) ε 나오는 순서의 확률이 높았다합니다. 따라서 A ( n ) ϵ 일 가능성이있는 모든 시퀀스입니다 . (나는 그것을 정 성적으로 이해하려고하기 때문에 엔트로피와 관련된 공식적인 정의를 피하고 있습니다.)A(n)ϵAϵ(n)A_\epsilon ^{(n)}A(n)ϵAϵ(n)A_\epsilon ^{(n)} 그러나 일반적으로 …

15 entropy  intuition  information-theory 

내가 이해하는 한, 거리 상관 은 두 숫자 변수 사이에 관계가 있는지 확인하는 강력하고 보편적 인 방법입니다. 예를 들어, 숫자 쌍이 있다면 : (x1, y1) (x2, y2) ... (xn, yn) 거리 상관 관계를 사용하여 두 변수 ( x와 y) 사이에 (선형 일 필요는없는) 관계가 있는지 확인할 수 있습니다 . 더욱이, …

15 correlation  independence  intuition  distance-covariance 

Steven Pinker의 저서 "천사의 더 나은 천사들" 에서 그는 확률은 관점의 문제입니다. 충분히 가까운 거리에서 볼 때 개별 이벤트는 원인을 결정합니다. 시작 조건과 물리 법칙에서 코인 플립도 예측할 수 있으며 숙련 된 마술사는 이러한 법을 이용하여 매번 머리를 던질 수 있습니다. 그러나 우리가 이러한 많은 사건들을 광각으로보기 위해 축소 할 …

15 probability  central-limit-theorem  intuition