«self-study» 태그된 질문

하자 분포 랜덤 샘플 feom 수 에 대한 . 즉,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) 대한 최소 분산을 갖는 편견 추정량을g(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} 내 시도 : 기하 분포는 지수 패밀리에서 때문에 통계 는 완전하고 충분합니다 . 또한 이 대한 추정값 인 경우 편향되지 않습니다. 따라서 Rao-Blackwell 정리와 Lehmann-Scheffé 정리에서 는 우리가 찾는 추정값입니다.∑Xi∑Xi\sum …

10 probability  self-study  estimation  unbiased-estimator  exponential-family 

내 질문은 Minka의 "Dirichlet 분포 추정" 을 읽는 것에서 비롯됩니다 . 이는 임의의 벡터의 관측을 기반으로 Dirichlet 분포에 대한 최대 우도 추정치를 도출하는 맥락에서 다음과 같은 증거를 제시합니다. 지수 패밀리에서 항상 그렇듯이 기울기가 0 일 때 예상되는 충분한 통계는 관측 된 충분한 통계와 같습니다. 나는 이런 식으로 제시된 지수 패밀리에서 …

10 self-study  maximum-likelihood  exponential-family  sufficient-statistics 

다음 코드에서는 glm을 사용하고 mle2를 사용하여 "손으로"그룹화 된 데이터에 대해 로지스틱 회귀를 수행합니다. R의 logLik 함수가 왜 logLik (fit.ml) =-5.514와 다른 로그 가능성 logLik (fit.glm) =-2.336을 제공합니까? library(bbmle) #successes in first column, failures in second Y &lt;- matrix(c(1,2,4,3,2,0),3,2) #predictor X &lt;- c(0,1,2) #use glm fit.glm &lt;- glm(Y ~ X,family=binomial (link=logit)) …

10 r  self-study  generalized-linear-model 

교과서는 먼저 다음을 통해 2 클래스 데이터를 생성합니다. 이것은 다음을 제공합니다. 그런 다음 묻습니다. 먼저이 그래픽 모델로 모델링 하여이 문제를 해결하려고합니다. 어디 ccc 라벨입니다 h(1≤h≤10)h(1≤h≤10)h\,(1\le h \le 10) 선택한 평균의 색인입니다 mchmhcm_h^c, xxx데이터 포인트입니다. 이것은 줄 것이다 Pr(x∣mch)=Pr(mch∣h,c=blue)=Pr(mch∣h,c=orange)=Pr(h)=Pr(c)=N(mch,I/5)N((1,0)T,I)N((0,1)T,I)11012Pr(x∣mhc)=N(mhc,I/5)Pr(mhc∣h,c=blue)=N((1,0)T,I)Pr(mhc∣h,c=orange)=N((0,1)T,I)Pr(h)=110Pr(c)=12 \begin{align*} \Pr(x\mid m_h^c) =& \mathcal{N}(m_h^c,\mathbf{I}/5)\\ \Pr(m_h^c\mid h,c=\mathrm{blue}) =& \mathcal{N}((1,0)^T,\mathbf{I})\\ \Pr(m_h^c\mid h,c=\mathrm{orange}) =& …

10 self-study  bayesian 

R에 이산 시간 모델을 맞추려고하지만 어떻게 해야할지 모르겠습니다. 종속 변수를 각 시간 관찰마다 하나씩 다른 행 glm으로 구성하고 logit 또는 cloglog 링크와 함께 함수를 사용할 수 있다는 것을 읽었습니다. 이런 의미에서, 나는 세 개의 열이 있습니다 : ID, Event(각 시간 경과시 1 또는 0) 및 Time Elapsed(관측 시작부터 ) 그리고 …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

이것은 여러 번 나온 예제 일뿐이므로 샘플 데이터가 없습니다. R에서 선형 회귀 모델 실행 : a.lm = lm(Y ~ x1 + x2) x1연속 변수입니다. x2범주 형이며 "낮음", "중간"및 "높음"의 세 가지 값이 있습니다. 그러나 R이 제공하는 출력은 다음과 같습니다. summary(a.lm) Estimate Std. Error t value Pr(&gt;|t|) (Intercept) 0.521 0.20 1.446 …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

시계열의 제곱이 고정되어 있으면 원래 시계열도 마찬가지이며 그 반대도 마찬가지라는 해결책을 찾았습니다. 그러나 나는 그것을 증명할 수없는 것 같습니다.

9 time-series  self-study  data-transformation  stationarity 

과 가 매개 변수 갖는 독립 기하 랜덤 변수 라고 가정 합니다. 확률은 얼마입니까?X1X1X_1X2X2X_2pppX1≥X2X1≥X2X_1 \geq X_2 과 에 대해 기하학적 인 것 외에는 아무 것도 않기 때문에이 질문에 대해 혼란스러워 합니다. 이 않을까요 때문에 및 범위에서 아무것도 할 수 있는가?X1X1X_1X2X2X_250%50%50\%X1X1X_1X2X2X_2 편집 : 새로운 시도 P(X1≥X2)=P(X1&gt;X2)+P(X1=X2)P(X1≥X2)=P(X1&gt;X2)+P(X1=X2)P(X1 ≥ X2) = P(X1 > …

9 self-study  random-variable  geometric-distribution 

허락하다 엑스1, . . . ,엑스엔X1,...,XnX_1,...,X_n 감마 분포에서 추출한 무작위 표본 G a m m a ( α , β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right). 허락하다 엑스¯X¯\bar{X} 과 에스2S2S^2 표본 평균과 표본 분산입니다. 그런 다음 증명하거나 반증 엑스¯X¯\bar{X} 과 에스2/엑스¯2S2/X¯2S^2/\bar{X}^2 독립적입니다. 내 시도 : 이후 에스2/엑스¯2=1n - 1∑엔나는 = 1(엑스나는엑스¯− 1 )2S2/X¯2=1n−1∑i=1n(XiX¯−1)2S^2/\bar{X}^2 = \frac{1}{n-1} \sum_{i=1}^n …

9 self-study  distributions  independence  gamma-distribution 

경우 의 분포를 찾는 .X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1)Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2} 우리는에프와이( y) = P r ( Y≤ y)에프와이(와이)=피아르 자형(와이≤와이)F_Y(y)=\mathrm{Pr}(Y\le y) = P r (2 X1 −엑스2≤ y)=피아르 자형(2엑스1−엑스2≤와이)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪P r ( X∈ ( − ∞ ,− 1 −1 +와이2√와이] ) + P r ( X∈ ( − 1 ,− 1 +1 +와이2√와이] ) …

9 self-study  distributions  mathematical-statistics  random-variable 

저는 확률 테스트를 받았는데이 질문에 실제로 답할 수 없었습니다. 방금 다음과 같이 물었습니다. " 는 임의의 변수 0 이므로 올바른 불평등을 사용하여 E (X ^ 2) ^ 3 또는 E (X ^ 3) ^ 2 보다 높거나 같은 것을 증명하십시오 .XXXXXX ⩾⩾\geqslant 000E(X2)3E(X2)3E(X^2)^3E(X3)2E(X3)2E(X^3)^2 내가 생각할 수있는 유일한 것은 Jensen의 불평등이지만 …

9 probability  self-study  probability-inequalities 

Casella와 Berger 는 ML 추정기의 불변성을 다음과 같이 말합니다. 그러나 그들은 완전히 임시적이고 무의미한 방식 으로 의 "가능성"을 정의하는 것 같습니다 .ηη\eta 간단한 사례 wheter 에 확률 이론의 기본 규칙을 적용하면 대신 다음과 같은 결과가 나타납니다. 이제 베이 즈 정리를 적용한 다음 와 는 상호 배타적이므로 합산 규칙을 ​​적용 할 …

9 self-study  bayesian  maximum-likelihood  frequentist  invariance 

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 &lt;- 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 

Wooldridge 's Introductory Econometrics에는 다음과 같은 인용문이 있습니다. 오류의 정규 분포를 정당화하는 인수는 대개 다음과 같이 실행됩니다. uuu 영향을 미치는 여러 가지 관찰되지 않은 요소의 합입니다 yyy우리는 중앙 한계 정리를 호출하여 uuu 근사 정규 분포가 있습니다. 이 인용문은 선형 모델 가정 중 하나와 관련이 있습니다. u∼N(μ,σ2)u∼N(μ,σ2)u \sim N(μ, σ^2) 여기서 …

9 self-study  linear-model  econometrics  normality-assumption  central-limit-theorem