Perguntas com a marcação «approximation»

Existem fórmulas bem conhecidas para as estatísticas de ordem de determinadas distribuições aleatórias? Particularmente as estatísticas de primeira e última ordem de uma variável aleatória normal, mas uma resposta mais geral também seria apreciada. Editar: para esclarecer, estou procurando por fórmulas aproximadas que possam ser avaliadas mais ou menos explicitamente, …

38 distributions  normal-distribution  approximation  order-statistics 

Nas estatísticas bayesianas, é freqüentemente mencionado que a distribuição posterior é intratável e, portanto, deve ser aplicada uma inferência aproximada. Quais são os fatores que causam essa intratabilidade?

28 bayesian  approximation  inference 

Seja e dois locais onde . Gostaria de saber a distribuição para .X 2 log ( X 1 ) , log ( X 2 ) ∼ N ( μ , σ ) X 1 - X 2X1X1X_1X2X2X_2registro( X1) , log( X2) ∼ N( μ , σ)registro⁡(X1),registro⁡(X2)∼N(μ,σ)\log(X_1),\log(X_2) \sim N(\mu,\sigma)X1- X2X1-X2X_1 - …

23 probability  distributions  random-variable  lognormal  approximation 

Recentemente, houve uma pergunta semelhante ao ML na troca de pilha de teoria, e eu postei uma resposta recomendando o método de Powell, descida de gradiente, algoritmos genéticos ou outros "algoritmos de aproximação". Em um comentário, alguém me disse que esses métodos eram "heurísticos" e não "algoritmos de aproximação" e …

23 machine-learning  optimization  approximation 

Depois de executar a análise de componentes principais (PCA), quero projetar um novo vetor no espaço do PCA (ou seja, encontrar suas coordenadas no sistema de coordenadas do PCA). Eu calculei o PCA na linguagem R usando prcomp. Agora eu devo poder multiplicar meu vetor pela matriz de rotação PCA. …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Um método ingênuo para aproximar uma distribuição normal é adicionar talvez variáveis ​​aleatórias de IID uniformemente distribuídas em , depois mais recentes e redimensionar, contando com o Teorema do Limite Central. ( Observação : existem métodos mais precisos, como a transformação Box-Muller .) A soma das variáveis ​​aleatórias IID é …

20 normal-distribution  central-limit-theorem  moments  approximation 

Se você tiver uma matriz com n linhas e m colunas, poderá usar o SVD ou outros métodos para calcular uma aproximação de baixa classificação da matriz especificada. No entanto, a aproximação de classificação baixa ainda terá n linhas e m colunas. Como as aproximações de classificação baixa podem ser …

20 r  matrix  approximation 

Sei que falta uma fórmula fácil de manusear para o CDF de uma distribuição normal, devido à complicada função de erro nela. No entanto, gostaria de saber se existe uma boa fórmula para . Ou qual seria a aproximação do "estado da arte" para esse problema.N( c-≤ x < c+| …

18 normal-distribution  approximation 

No ano passado, no NIPS 2017, Ali Rahimi e Ben Recht ganharam o prêmio do teste do tempo por seu artigo "Recursos Aleatórios para Máquinas de Kernel em Grande Escala", onde introduziram recursos aleatórios, posteriormente codificados como o algoritmo de pias de cozinha aleatórias. Como parte da divulgação de seu …

18 machine-learning  svm  gaussian-process  approximation 

Suponha que temos uma função que só podemos observar através de algum ruído. Não podemos calcular diretamente, apenas onde é algum ruído aleatório. (Na prática: calculo usando algum método de Monte Carlo.)f(x)f(x)f(x)f(x)f(x)f(x)f(x)+ηf(x)+ηf(x) + \etaηη\etaf(x)f(x)f(x) Quais métodos estão disponíveis para encontrar raízes de , ou seja, calcular para que ?fffxxxf(x)=0f(x)=0 0f(x) …

17 approximation 

Seja {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n uma família de variáveis ​​aleatórias iid assumindo valores em [0,1][0,1][0,1] , tendo uma média e variância . Um intervalo de confiança simples para a média, usando sempre que for conhecido, é dado por μμ\muσ2σ2\sigma^2σσ\sigmaP(|X¯−μ|>ε)≤σ2nε2≤1nε2(1).P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1). P( | \bar X - \mu| > \varepsilon) \le \frac{\sigma^2}{n\varepsilon^2} \le\frac{1}{n \varepsilon^2} \qquad (1). …

15 normal-distribution  confidence-interval  references  asymptotics  approximation 

Pacotes de software para detecção de motivo de rede podem retornar escores Z enormemente altos (o mais alto que já vi são mais de 600.000, mas escores Z de mais de 100 são bastante comuns). Eu pretendo mostrar que esses Z-scores são falsos. Escores Z enormes correspondem a probabilidades associadas …

14 probability  normal-distribution  p-value  approximation  z-statistic 

O teorema da aproximação universal é um resultado bastante famoso para redes neurais, basicamente afirmando que, sob algumas suposições, uma função pode ser uniformemente aproximada por uma rede neural com precisão. Existe algum resultado análogo que se aplica às redes neurais convolucionais?

14 neural-networks  conv-neural-network  approximation 

Estou testando a igualdade de meios usando o teste t de Welch. A distribuição subjacente está longe de ser normal (mais distorcida que o exemplo em uma discussão relacionada aqui ). Posso obter mais dados, mas gostaria de alguma maneira baseada em princípios de determinar até que ponto fazê-lo. Existe …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

Given N≥30N≥30N\geq30 i.i.d. Xn≈N(μX,σ2X)Xn≈N(μX,σX2)X_n\approx\mathcal{N}(\mu_X,\sigma_X^2), and μX≈0μX≈0\mu_X \approx 0, looking for: accurate closed form distribution approximation of YN=∏1NXnYN=∏1NXnY_N=\prod\limits_{1}^{N}{X_n} asymptotic (exponential?) approximation of same product This is a special case μX≈0μX≈0\mu_X \approx 0 of a more general question.

12 distributions  normal-distribution  asymptotics  approximation