Perguntas com a marcação «convergence»

Deixe- denotam a função de distribuição binomial (DF) com parâmetros e avaliada em : \ begin {equação} B (n, p, r) = \ sum_ {i = 0} ^ r \ binom {n} {i} p ^ i (1-p) ^ {ni}, \ end {equação } e deixe F (\ nu, r) denotar …

30 binomial  poisson-distribution  convergence  probability-inequalities 

Quando uso o GAM, o DF residual é (última linha do código). O que isso significa? Indo além do exemplo do GAM, em geral, o número de graus de liberdade pode ser um número não inteiro?26,626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance …

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 

Qual é a diferença intuitiva entre uma variável aleatória convergindo em probabilidade versus uma variável aleatória convergindo em distribuição? Eu li várias definições e equações matemáticas, mas isso realmente não ajuda. (Lembre-se de que sou estudante de graduação em economia). Como uma variável aleatória pode convergir para um único número, …

26 distributions  random-variable  convergence  intuition 

Eu li algumas explicações do algoritmo EM (por exemplo, do reconhecimento de padrões e aprendizado de máquina de Bishop e do primeiro curso de Roger e Gerolami sobre aprendizado de máquina). A derivação do EM está bem, eu entendo. Também entendo por que o algoritmo cobre algo: em cada etapa, …

24 missing-data  convergence  expectation-maximization 

O máximo de X1,…,Xn.∼X1,…,Xn.∼X_1,\dots,X_n. \sim padrão Normal Normal converge para a Distribuição Gumbel Padrão de acordo com a Teoria dos Valores Extremos . Como podemos mostrar isso? Nós temos P(maxXi≤x)=P(X1≤x,…,Xn≤x)=P(X1≤x)⋯P(Xn≤x)=F(x)nP(maxXi≤x)=P(X1≤x,…,Xn≤x)=P(X1≤x)⋯P(Xn≤x)=F(x)nP(\max X_i \leq x) = P(X_1 \leq x, \dots, X_n \leq x) = P(X_1 \leq x) \cdots P(X_n \leq x) = …

21 probability  normal-distribution  convergence  extreme-value 

A distribuição normal converge para uma determinada distribuição se o desvio padrão cresce sem limites? parece-me que o pdf começa a parecer uma distribuição uniforme com limites dados por . Isso é verdade?[−2σ,2σ][−2σ,2σ][-2 \sigma, 2 \sigma]

18 normal-distribution  convergence 

A questão já foi apresentada antes, mas quero fazer uma pergunta específica que tentará obter uma resposta que a esclareça (e classifique): Em "Assintóticos do pobre homem", mantém-se uma clara distinção entre (a) uma sequência de variáveis ​​aleatórias que converge em probabilidade para uma constante em contraste com (b) uma …

18 mathematical-statistics  variance  convergence  asymptotics  consistency 

Tenho uma pergunta muito iniciante sobre o Teorema do Limite Central (CLT): Estou ciente de que o CLT afirma que uma média de variáveis ​​aleatórias iid é aproximadamente normal distribuída (para , onde é o índice dos summands) ou a variável aleatória padronizada teria uma distribuição normal padrão.n → ∞n→∞n …

18 probability  normal-distribution  convergence  central-limit-theorem  law-of-large-numbers 

É suficiente mostrar que MSE = 0 como n→∞n→∞n\rightarrow\infty ? Também li em minhas anotações algo sobre plim. Como encontro o plim e o uso para mostrar que o estimador é consistente?

17 estimation  convergence  consistency 

Eu li que o algoritmo k-means apenas converge para um mínimo local e não para um mínimo global. Por que é isso? Posso pensar logicamente como a inicialização pode afetar o clustering final e existe a possibilidade de clustering abaixo do ideal, mas não encontrei nada que provasse isso matematicamente. …

17 clustering  k-means  convergence  gradient-descent  minimum 

(Originalmente publicado em MSE.) Já vi muitas discussões heurísticas do teorema clássico do limite central falar da distribuição normal (ou de qualquer das distribuições estáveis) como um "atrator" no espaço das densidades de probabilidade. Por exemplo, considere estas frases no topo do tratamento da Wikipedia : Em uso mais geral, …

16 probability  mathematical-statistics  convergence  central-limit-theorem  convolution 

Estou usando a glmerfunção do lme4pacote em R e usando o bobyqaotimizador (ou seja, o padrão no meu caso). Estou recebendo um aviso e estou curioso para saber o que isso significa. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- …

16 r  optimization  lme4-nlme  convergence  glmm 

Eu estava revisando a documentação do Stan, que pode ser baixada aqui . Eu estava particularmente interessado na implementação do diagnóstico Gelman-Rubin. O artigo original Gelman & Rubin (1992) define o potencial fator de redução de escala (PSRF) da seguinte maneira: Deixe que Xi,1,…,Xi,NXi,1,…,Xi,NX_{i,1}, \dots , X_{i,N} ser o iii …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

Estou tentando ler as pesquisas na área de regressão de alta dimensão; quando ppp é maior do que nnn , isto é, p>>np>>np >> n . Parece que o termo logp/nlog⁡p/n\log p/n aparece frequentemente em termos de taxa de convergência para estimadores de regressão. β^β^\hat{\beta}1n∥Xβ^−Xβ∥22=OP(σlogpn−−−−−√∥β∥1).1n‖Xβ^−Xβ‖22=OP(σlog⁡pn‖β‖1). \dfrac{1}{n}\|X\hat{\beta} - X \beta\|_2^2 = …

16 regression  lasso  convergence  high-dimensional 

Minhas perguntas são: Os modelos lineares generalizados (GLMs) garantem convergir para um máximo global? Se sim, por quê? Além disso, que restrições existem na função de link para garantir a convexidade? Meu entendimento dos GLMs é que eles maximizam uma função de probabilidade altamente não-linear. Assim, eu imaginaria que existem …

16 generalized-linear-model  optimization  convergence  exponential-family