Estatísticas e Big Data

Suponha ( a , b )(a,b) (a,b) é um intervalo de confiança de nível para um parâmetro . Suponha que é uma transformação invertível monótona. Então éθ η( 1 - α )(1−α)(1-\alpha)θθ\thetaηη\eta ( η( Um ) , η( B ) )(η(a),η(b)) \left (\eta(a), \eta(b) \right ) um intervalo de confiança …

8 confidence-interval 

Imagine que nós amostramos uma matriz de covariância de uma distribuição Wishart do MCMC. A cada iteração, obtemos uma nova matriz de amostra da distribuição Wishart.SiSiS_i Pergunta : Dado o rastreamento que contém todas as amostras , posso plotar a autocorrelação dessas amostras?S1,...SnS1,...SnS_1,...S_n Eu vi alguém usando a correlação automática …

8 bayesian  autocorrelation  mcmc 

Descobri que, para um modelo de regressão linear simples, o OLS e o método de máxima verossimilhança (assumindo a distribuição Normal) fornecem a mesma saída (valores de parâmetros). A partir disso, podemos dizer que o OLS também faz suposições implícitas sobre a distribuição Normal ou vice-versa? Não estou interessado em …

8 regression  normal-distribution  maximum-likelihood  least-squares 

No livro "Os Elementos da Aprendizagem Estatística" no capítulo 2 ("Modelos lineares e mínimos quadrados; página no: 12"), está escrito que No espaço de entrada / saída dimensional (p + 1), (X, Y) representa um hiperplano. Se a constante estiver incluída em X, o hiperplano inclui a origem e é …

8 regression  machine-learning 

Não entendo por que não posso simplesmente adicionar 1,5 desvios padrão para obter a resposta. Se 1 desvio padrão é 10 kg e a média é 400 kg, 415 kg são 1,5 desvios padrão. Então eu calculei assim: .3413 + ((.4772-.3413)/2) = 0.40925 Essa equação obtém metade da diferença entre …

8 probability  normal-distribution  standard-deviation 

Estou usando a função Deming fornecida por Terry T. neste segmento de ajuda r arquivado . Estou comparando dois métodos, então tenho dados parecidos com este: y x stdy stdx 1 1.2 0.23 0.67 2 1.8 0.05 0.89 4 7.5 1.13 0.44 ... ... ... ... Fiz minha regressão de …

8 r  r-squared  deming-regression  total-least-squares 

Eu fiz uma rede neural convolucional e queria verificar se meus gradientes estão sendo calculados corretamente usando a verificação numérica de gradiente. A questão é, quão perto está o suficiente? Minha função de verificação apenas cospe a derivada calculada, a derivada numericamente aproximada, a diferença entre os dois e se …

8 neural-networks  conv-neural-network  gradient 

Eu tenho uma regressão logística binária com apenas um preditor de fator fixo binário. A razão de eu não fazer isso como um quadrado de Chi ou o teste exato de Fisher é que também tenho vários fatores aleatórios (existem vários pontos de dados por indivíduo e os indivíduos estão …

8 r  logistic  generalized-linear-model  odds-ratio  relative-risk 

Descrição do Problema Estou iniciando a construção da rede para um problema que eu acho que poderia ter uma função de perda muito mais criteriosa do que uma simples regressão MSE. Meu problema lida com a classificação de várias categorias ( veja minha pergunta no SO para o que quero …

8 neural-networks  loss-functions 

Na aula de Métodos de Estatística em nível de MS que estou aprendendo, aprendi sobre vários modelos lineares para o design experimental. Tomemos, por exemplo, para o modelo Randomized Complete Block Design (RCBD) ( i representando o bloco, j representando os tratamentos), β representando os efeitos do bloco, τ osefeitos(fixos) …

8 references  experiment-design  fixed-effects-model  theory 

Eu gostaria de gerar um processo de Monte Carlo para encher uma urna com N bolas de cores I, C [i]. Cada cor C [i] possui um número mínimo e máximo de bolas que devem ser colocadas na urna. Por exemplo, estou tentando colocar 100 bolas na urna e posso …

8 sampling  monte-carlo  random-generation  uniform 

Foi-me dito que um evento é apenas uma variável aleatória que foi atribuída e que variáveis ​​aleatórias são uma generalização de eventos. No entanto, não posso relacionar isso à definição de um evento como um subconjunto do espaço de amostra . Além disso, um evento pode acontecer ou não, enquanto …

8 probability  distributions  conditional-probability  random-variable 

Ng, AY e Jordan, MI (2001). Sobre classificadores discriminativos vs. generativos: Uma comparação entre regressão logística e Bayes ingênuo . Avanços em sistemas de processamento de informações neurais, 14 , pp. 841-8, MIT Press. No artigo acima, os autores mencionaram "erro assintótico". Alguém pode explicar um pouco sobre isso? Por …

8 machine-learning  terminology 

Suponha que XXX tenha a distribuição beta Beta ( 1 , K- 1 )(1,K−1)(1,K-1) e YYY siga um qui-quadrado com 2 K2K2K graus. Além disso, assumimos que XXX e YYY são independentes. Qual é a distribuição do produto Z= XYZ=XYZ=XY . Atualizar minha tentativa: fZ= ∫y= + ∞y= - ∞1| …

8 probability  self-study  distributions  random-variable  beta-distribution 

A desigualdade de Dvoretzky-Kiefer-Wolfowitz é a seguinte: Pr(sup|F^n(x)−F(x)|>ϵ)≤2exp(−2nϵ2)Pr(sup|F^n(x)−F(x)|>ϵ)≤2exp⁡(−2nϵ2)Pr(\text{sup}|\hat{F}_n(x)-F(x)|>\epsilon)\leq 2\exp(-2n\epsilon^2) , e prediz quão perto uma função de distribuição determinada empiricamente estará da função de distribuição a partir da qual as amostras empíricas são coletadas. Usando essa desigualdade, podemos desenhar intervalos de confiança (ICs) em torno de (ECDF). Mas esses ICs …

8 confidence-interval  ordinal-data