«normal-distribution» 태그된 질문

평균에서 어느 지점을 벗어난 후 확률 밀도가 빠르게 감소하는 분포를 찾고 있습니다. 가우시안과 유니폼 사이에 뭔가 있습니다.

30 distributions  normal-distribution  uniform 

예를 들어 표준 정규 분포에서 10 개의 실현과 같이 주어진 분포에서 난수를 수동으로 생성하려면 어떻게해야합니까?

30 normal-distribution  simulation  monte-carlo  random-generation  randomness 

에서 이 앤드류 겔만으로 블로그 게시물, 다음과 같은 구절이있다 : 50 년 전의 베이지안 모델은 절망적으로 단순 해 보이지만 (물론 간단한 문제는 제외하고) 오늘날의 베이지안 모델은 50 년 동안 절망적으로 단순 해 보일 것으로 기대합니다. (간단한 예를 들자면, 우리는 아마도 어디에서나 일반적인 오류 대신에 t를 일상적으로 사용해야 할 것입니다. 그러나 …

30 distributions  bayesian  normal-distribution  model  robust 

나는 이것이 매혹적인 주제라고 생각하며 그것을 완전히 이해하지 못한다. 많은 자연 현상이 정규 분포를 갖도록 물리 법칙은 무엇입니까? 그것들이 균일 한 분포를 갖는 것이 더 직관적 인 것처럼 보일 것입니다. 이해하기가 너무 어려워서 정보가 누락 된 것 같습니다. 누군가 좋은 설명을하도록 도와 주거나 책 / 비디오 / 문서로 연결시킬 수 …

29 distributions  normal-distribution  normality-assumption  uniform 

예를 들어 내 문제를 설명하겠습니다. {나이, 성별, 국가, 지역, 도시}와 같은 속성이 주어진 개인의 소득을 예측한다고 가정합니다. 당신은 이와 같은 훈련 데이터 세트를 가지고 있습니다 train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID Age …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

다음과 같이 포아송 분포를 갖는 벡터를 생성했습니다. x = rpois(1000,10) 를 사용하여 히스토그램을 만들면 hist(x)분포는 익숙한 종 모양의 정규 분포처럼 보입니다. 그러나 Kolmogorov-Smirnoff 테스트 ks.test(x, 'pnorm',10,3)는 분포가 매우 작은 p값 으로 인해 정규 분포와 크게 다릅니다 . 그래서 내 질문은 히스토그램이 정규 분포와 너무 비슷해 보일 때 포아송 분포와 정규 …

29 distributions  histogram  normal-distribution  poisson-distribution 

캐럿을 사용하여 데이터 세트에 대해 교차 유효성 검사 임의 포리스트를 실행하고 있습니다. Y 변수는 요인입니다. 내 데이터 세트에 NaN, Inf 또는 NA가 없습니다. 그러나 임의의 포리스트를 실행하면 Error in randomForest.default(m, y, ...) : NA/NaN/Inf in foreign function call (arg 1) In addition: There were 28 warnings (use warnings() to see …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

다른 통계 모델을 읽을 때 종종 백색 잡음이라는 용어가 나타납니다. 그러나 이것이 무엇을 의미하는지 완전히 확신하지 못한다는 것을 인정해야합니다. 일반적으로 로 축약됩니다 . 그것은 그것이 정상적으로 배포되었거나 배포를 따를 수 있다는 것을 의미합니까?여엔( 0 , σ2)WN(0,σ2)WN(0,σ^2)

28 normal-distribution  white-noise 

나는 두 개의 독립적 인 정규 분포 XXX 와 작업하고 있는데 YYY, 평균 μxμx\mu_x 및 μyμy\mu_y 및 분산 σ2xσx2\sigma^2_x 및 σ2yσy2\sigma^2_y 입니다. 나는 그들의 비율 의 분포에 관심이 Z=X/YZ=X/YZ=X/Y있습니다. 나도 XXX 나 YYY , 그래서 0의 평균이 없습니다 ZZZ 코시로 배포되지 않습니다. 의 CDF를 찾은 다음 μ x , μ …

28 distributions  normal-distribution  references  mathematical-statistics  cdf 

통계에 관심을 갖고있는 대학원생입니다. 나는 자료 전체를 좋아하지만 때로는 실생활에서의 응용에 대해 생각하기가 어렵다. 특히, 내 질문은 일반적으로 사용되는 통계 분포 (정상-베타 감마 등)에 관한 것입니다. 어떤 경우에는 분포를 아주 좋게 만드는 특정 속성을 얻습니다-예를 들어 지수가없는 메모리리스 속성. 그러나 다른 많은 경우에는 교과서에서 볼 수있는 공통 배포판의 중요성과 적용 …

28 normal-distribution  references  gamma-distribution  beta-distribution  application 

5.5에서는 딥 러닝 (Ian Goodfellow, Yoshua Bengio 및 Aaron Courville의)에 따르면 음의 로그 우도로 구성된 손실은 훈련 세트에 의해 정의 된 경험적 분포와 모델에 의해 정의 된 확률 분포 사이의 교차 엔트로피입니다. 예를 들어, 평균 제곱 오차는 경험적 분포와 가우스 모델 간의 교차 엔트로피입니다. 나는 그들이 왜 동등한 지 이해할 …

28 machine-learning  normal-distribution  cross-entropy 

GAM을 사용할 때 잔여 DF는 (코드의 마지막 줄). 그게 무슨 뜻이야? GAM 예제를 넘어 서면 일반적으로 자유도는 정수가 아닌 숫자 일 수 있습니까?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

과 사이에 EMD에 대한 닫힌 형식의 수식이 있습니까?x1∼N(μ1,Σ1)x1∼N(μ1,Σ1)x_1\sim N(\mu_1, \Sigma_1)x2∼N(μ2,Σ2)x2∼N(μ2,Σ2)x_2 \sim N(\mu_2, \Sigma_2)

26 normal-distribution  distance 

선형 회귀 분석에서 각 예측 값은 가능한 값의 정규 분포에서 선택되었다고 가정합니다. 아래를 참조하십시오. 그러나 각 예측값이 정규 분포에서 나온 것으로 가정하는 이유는 무엇입니까? 선형 회귀는이 가정을 어떻게 사용합니까? 가능한 값이 정규 분포를 따르지 않으면 어떻게됩니까?

26 regression  probability  distributions  normal-distribution  modeling 

두 평균의 비율에 대한 신뢰 구간에 대한 한계를 도출하려고합니다 . 가정 해보자 X 1 ~ N ( θ 1 , σ 2 ) 및 X 2 ~ N ( θ 2 , σ 2 ) 독립적 인, 평균 비율 Γ = θ 1 / θ 2 . 나는 해결하려고 노력했다 …

26 normal-distribution  mean