Perguntas com a marcação «approximation»

Existe um análogo ao momento mais alto das desigualdades de Chebyshev no caso unilateral? A desigualdade de Chebyshev-Cantelli parece funcionar apenas para a variação, enquanto a desigualdade de Chebyshev pode facilmente ser produzida para todos os expoentes. Alguém sabe de uma desigualdade unilateral nos momentos mais altos?

12 approximation  moments  probability-inequalities 

Aqui na Wikipedia diz: Para valores suficientemente grandes de λλλ , (digamos λ>1000λ>1000λ>1000 ), a distribuição normal com média λλλ e variância λλλ (desvio padrão λ−−√λ\sqrt{\lambda} ) é uma excelente aproximação à distribuição de Poisson. Se λλλ for maior que cerca de 10, a distribuição normal será uma boa aproximação …

12 normal-distribution  poisson-distribution  approximation 

Queria entender melhor o teste exato de Fisher, então inventei o seguinte exemplo de brinquedo, em que f e m correspondem a homens e mulheres e n e y correspondem a "consumo de refrigerante" como este: > soda_gender f m n 0 5 y 5 0 Obviamente, isso é uma …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Esta pergunta é inspirada na resposta de Martijn aqui . Suponha que ajustemos um GLM para uma família de um parâmetro como um modelo binomial ou de Poisson e que seja um procedimento de probabilidade total (ao contrário de quasipoisson). Então, a variação é uma função da média. Com binomial: …

11 regression  generalized-linear-model  inference  approximation  t-distribution 

Eu estava lendo casualmente um artigo (em economia) que tinha a seguinte aproximação para :registro( E( X) ))log⁡(E(X))\log(E(X)) registro( E( X) ) ≈ E( log( X) ) + 0,5 v a r ( log( X) ))log⁡(E(X))≈E(log⁡(X))+0.5var(log⁡(X))\log(E(X)) \approx E(\log(X))+0.5 \mathrm{var}(\log(X)) , que o autor diz ser exato se X é log-normal …

11 lognormal  approximation  taylor-series 

Qual é a melhor maneira de aproximar para dois inteiros dados quando você conhece a média , variação , e excesso de curtose de uma distribuição discreta e fica claro pelas medidas (diferentes de zero) da forma e que uma aproximação normal não é apropriada?m , n u σ 2 …

11 probability  distributions  moments  approximation  saddlepoint-approximation 

Pode qualquer função contínua em [a, b], onde aeb são números reais, ser aproximada ou arbitrariamente próxima da função (em alguma norma) pelos Processos Gaussianos (Regressão)?

10 gaussian-process  approximation 

Tome uma expectativa da forma para alguma variável aleatória univariada e uma função inteira (ou seja, o intervalo de convergência é toda a linha real)E(f(X))E(f(X))E(f(X))XXXf(⋅)f(⋅)f(\cdot) Eu tenho um momento gerando função para e, portanto, pode facilmente calcular momentos inteiros. Use uma série de Taylor em torno de e aplique a …

10 expected-value  approximation 

Se houver várias aproximações possíveis, estou procurando a mais básica.

10 normal-distribution  multinomial  approximation 

Portanto, tenho 16 ensaios em que estou tentando autenticar uma pessoa de uma característica biométrica usando a Distância de Hamming. Meu limite está definido como 3,5. Meus dados estão abaixo e apenas o teste 1 é um verdadeiro positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Quase todos os livros de texto que discute a aproximação normal para a distribuição binomial menciona a regra de ouro que a aproximação pode ser usado se e . Alguns livros sugerem . A mesma constante geralmente aparece nas discussões sobre quando mesclar células no . Nenhum dos textos que …

9 normal-distribution  binomial  approximation 

Versão curta Estou tentando resolver / aproximar analiticamente a probabilidade composta que resulta de desenhos independentes de Poisson e de amostras adicionais com ou sem substituição (eu realmente não me importo com qual). Quero usar a probabilidade com o MCMC (Stan), portanto, preciso da solução apenas até um termo constante. …

8 mathematical-statistics  poisson-distribution  joint-distribution  approximation 

O teorema da aproximação universal para redes neurais vale para qualquer função de ativação (sigmóide, ReLU, Softmax, etc ...) ou é limitado a funções sigmóides? Atualização: Como o shimao aponta nos comentários, ele não se aplica a absolutamente nenhuma função. Então, para qual classe de funções de ativação ele se …

8 neural-networks  approximation 

Às vezes, vejo as pessoas usarem a aproximação de taylor da seguinte maneira: E(ex)≈E(1+x)E(ex)≈E(1+x)E(e^x)\approx E(1+x) Eu sei que a aproximação de taylor funciona para ex≈1+xex≈1+xe^x \approx 1+x Mas não está claro para mim que podemos fazer a aproximação dentro do operador de expectativa. Intuitivamente, acho que funcionará se "a probabilidade …

8 expected-value  approximation 

Ultimamente, venho estudando a teoria por trás das RNAs e queria entender a 'mágica' por trás da capacidade de classificação não linear de várias classes. Isso me levou a este site, que faz um bom trabalho em explicar geometricamente como essa aproximação é alcançada. Aqui está como eu entendi (em …

8 machine-learning  neural-networks  approximation  intuition  function