«probability» 태그된 질문

원래 질문 (7/25/14) : 뉴스 매체에서 인용 한이 말이 의미가 있거나 최근의 비행기 사고의 부분을보다 잘 통계적으로 볼 수있는 방법이 있습니까? 그러나 Barnett은 Poisson 분포 이론에주의를 기울입니다. 이는 충돌 간의 짧은 간격이 실제로 긴 충돌보다 더 가능성이 있음을 의미합니다. 바넷은“연간 평균 1 건의 치명적인 사고가 발생한다고 주장했다. 이는 하루 중 …

15 probability  poisson-distribution 

순열 검정 (랜덤 화 검정, 재 랜덤 화 검정 또는 정확한 검정이라고도 함)은 매우 유용하며, 예를 들어 요구되는 정규 분포 가정이 t-test충족되지 않고 순위에 따라 값을 변환 할 때 유용합니다. 비모수 테스트 Mann-Whitney-U-test는 더 많은 정보가 손실 될 수 있습니다. 그러나 이러한 종류의 테스트를 사용할 때 단 하나의 가정 만 …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

약 1000 값의 샘플이 있습니다. 이 데이터는 두 개의 독립적 인 랜덤 변수 의 곱에서 얻습니다 . 첫 번째 랜덤 변수는 균일 분포 입니다. 두 번째 랜덤 변수의 분포는 알려져 있지 않습니다. 두 번째 ( \ psi ) 랜덤 변수 의 분포를 어떻게 추정 할 수 있습니까?ξ ∼ U ( …

15 probability  distributions  mathematical-statistics 

기계 학습 과정을 공부하고 있는데 강의 슬라이드에는 권장 도서와 모순되는 내용이 포함되어 있습니다. 문제는 다음과 같습니다. 세 가지 분류 기가 있습니다. 낮은 범위의 임계 값에서 더 나은 성능을 제공하는 분류기 A 더 높은 범위의 임계 값에서 더 나은 성능을 제공하는 분류기 B 분류기 C p-coin을 뒤집고 두 분류기에서 선택하여 얻는 …

15 machine-learning  probability  data-visualization  classification  roc 

N이 약 200,000 인 데이터 세트로 작업하고 있습니다. 회귀에서, 매우 작은 효과 크기와 관련된 매우 작은 유의성 값 << 0.001, 예를 들어 r = 0.028을보고 있습니다. 내가 알고 싶은 것은 표본 크기와 관련하여 적절한 유의성 임계 값을 결정하는 원칙적인 방법이 있습니까? 이러한 큰 샘플로 효과 크기를 해석 할 때 고려해야 …

15 regression  probability  statistical-significance  sample-size 

두 개의 다른 모집단에서 표본 추출이 있다고 가정합니다. 각 구성원이 작업을 수행하는 데 걸리는 시간을 측정하면 각 모집단의 평균 및 분산을 쉽게 추정 할 수 있습니다. 이제 각 모집단의 한 개인과 임의의 쌍을 가정한다고 가정하면 첫 번째가 두 번째보다 빠를 확률을 추정 할 수 있습니까? 구체적인 예를 염두에두고 있습니다. 측정은 …

15 probability  normal-distribution 

나는 '다변량 분포'를 이해할 가능성이 높은 청중에게 '공동 확률 분포'를 사용하는 것에 대해 쓰고 있으므로 나중에 사용할 것을 고려하고 있습니다. 그러나 나는 이것을하는 동안 의미를 잃고 싶지 않습니다. Wikipedia 는 이것이 동의어임을 나타냅니다. 그들은? 그렇지 않다면 왜 안됩니까?

15 probability  terminology  joint-distribution  definition 

분포 의 예상 값은 f(x)f(x)f(x)평균입니다. 즉 가중 평균 값 E[x]=∫+∞−∞xf(x)dxE[x]=∫−∞+∞xf(x)dxE[x]=\int_{-\infty}^{+\infty} x \, \, f(x) dx 가장 가능성이 높은 값은 가장 가능성있는 값인 모드입니다. 그러나 우리는 어떻게 든 E[x]E[x]E[x] 를 여러 번 볼 것으로 예상 합니까? 여기 에서 인용 : 결과 xixix_i 가 똑같이 가능하지 않은 경우 단순 평균을 가중 평균으로 …

15 probability  distributions  chi-squared  expected-value  mode 

SAS를 사용하여 Markov 체인을 이해하려고합니다. Markov 프로세스는 미래 상태가 현재 상태에만 의존하고 과거 상태에는 의존하지 않으며 하나의 상태에서 다른 상태로의 전환 확률을 캡처하는 전환 행렬이 있음을 이해합니다. 그러나 나는이 용어를 보았습니다 : Markov Chain Monte Carlo. Markov Chain Monte Carlo가 위에서 설명한 Markov 프로세스와 관련이 있는지 알고 싶습니다.

15 probability  simulation  mcmc  monte-carlo  markov-process 

확률 이론에서, 이 존재 하여 경우 음이 아닌 랜덤 변수 를 격자 라고합니다 .XXX∑ ∞ n = 0 P ( X = n d ) = 1d≥0d≥0d \geq 0∑∞n=0P(X=nd)=1∑n=0∞P(X=nd)=1\sum_{n=0}^{\infty}P(X=nd) = 1 이 정의를 격자라고하는 이유에 대한 기하학적 해석이 있습니까?

15 probability 

CLT를 유지하려면 평균 μμ\mu 및 유한 분산 를 갖도록 근사하려는 분포가 필요합니다 σ2σ2\sigma^2. 코시 분포 (Cauchy distribution)의 경우, 평균과 분산이 정의되지 않은 경우, 중앙 한계 정리 (Central Limit Theorem)는 무증상으로도 좋은 근사치를 제공하지 못한다고 말할 수 있습니까?

15 probability  central-limit-theorem  asymptotics  cauchy 

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 

랜덤 변수의 의존성과 랜덤 변수의 기능에 대해 말할 수 있습니까? 예를 들어 X2X2X^2 는 XXX ?

15 probability  random-variable 

나는 Bayes 규칙에서 분모 Pr(data)Pr(data)\Pr(\textrm{data}) 의 Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} 정규화 상수 라고합니다 . 정확히 무엇입니까? 그 목적은 무엇입니까? 왜 처럼 보 Pr(data)Pr(data)\Pr(data)입니까? 왜 매개 변수에 의존하지 않습니까?

15 probability  bayesian 

물리학을 전공 한 학생으로서 저는“왜 베이지안인가?”강의를 약 6 번 정도 경험했습니다. 발표자는 항상 동일하다. 발표자는 베이지안 해석이 대중에 의해 사용 된 잦은 해석보다 우수하다는 것을 잘 설명한다. 그들은 베이 즈의 규칙, 소외, 이전과 후부를 언급합니다. 실제 이야기는 무엇입니까? 잦은 통계에 대한 적법한 적용 영역이 있습니까? (확실히 여러 번 다이를 샘플링하거나 …

15 probability  bayesian  frequentist