Perguntas com a marcação «conditional-probability»

Estou tendo problemas para resolver o seguinte. Você compra cartas de um baralho padrão de 52 cartas sem ser substituído até obter um ás. Você tira do que resta até obter um 2. Você continua com 3. Qual é o número esperado em que você estará depois que o baralho …

12 self-study  conditional-probability  conditional-expectation  games  conditioning 

Estou prototipando meu próprio modelo de saco de palavras Naive Bayes e tive uma pergunta sobre o cálculo das probabilidades de recurso. Digamos que eu tenho duas classes, vou usar spam e não spam, já que é isso que todo mundo usa. E vamos tomar a palavra "viagra" como exemplo. …

12 classification  conditional-probability  naive-bayes 

Basta saber se é possível encontrar o valor esperado de x se ele é normalmente distribuído, dado que está abaixo de um determinado valor (por exemplo, abaixo do valor médio).

12 normal-distribution  conditional-probability  expected-value 

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 

Eu quero provar de uma densidade univariada mas eu só sei o relacionamento:fXfXf_X fX( x ) = ∫fX| Y( x | y) fY( y) dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. Eu quero evitar o uso do MCMC (diretamente na representação integral) e, como e são fáceis de amostrar, eu …

12 sampling  conditional-probability  monte-carlo  marginal 

Como defino a distribuição de uma variável aleatória modo que um empate de tenha correlação com , onde é um empate único de uma distribuição com função de distribuição cumulativa ? YYYYYYρρ\rhox1x1x_1x1x1x_1FX(x)FX(x)F_{X}(x)

12 distributions  probability  correlation  random-variable  conditional-probability 

Suponha que você tenha uma variável explicativa que representa uma determinada coordenada. Você também tem uma variável de resposta . Agora, podemos combinar as duas variáveis ​​como:X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right)sssY=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) Nesse caso, simplesmente escolhemos μ(s)=(μ1μ2)Tμ(s)=(μ1μ2)T\boldsymbol{\mu}(s) = \left( \mu_{1} …

11 probability  bayesian  conditional-probability  gibbs 

Parece que condicionais completos geralmente são bastante difíceis de derivar, mas programas como JAGS e BUGS os derivam automaticamente. Alguém pode explicar como eles geram algoritmos condicionais completos para qualquer especificação arbitrária de modelo?

11 bayesian  conditional-probability  jags  bugs  gibbs 

Se alguém fizer uma declaração como abaixo: "No geral, os não fumantes expostos à fumaça ambiental tiveram um risco relativo de doença cardíaca coronária de 1,25 (intervalo de confiança de 95%, 1,17 a 1,32) em comparação com os não fumantes não expostos à fumaça". Qual é o risco relativo para …

11 probability  statistical-significance  confidence-interval  conditional-probability  philosophical 

Diga que YYY é uma variável aleatória contínua e XXX é uma variável discreta. Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} Como sabemos, Pr(Y=y)=0Pr(Y=y)=0\Pr(Y=y) = 0 porque YYY é uma variável aleatória contínua. E com base nisso, sou tentado a concluir que a probabilidade Pr(X=x|Y=y)Pr(X=x|Y=y)\Pr(X=x|Y=y) é indefinida. No entanto, a Wikipedia afirma aqui …

11 conditional-probability  pdf 

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

De acordo com o teorema de Bayes, . Mas, de acordo com meu texto econométrico, ele diz que . Por que é assim? Não entendo por que é ignorado.P ( θ | y ) ∝ P ( y | θ ) P ( θ ) P ( θ ) P …

11 bayesian  conditional-probability  likelihood 

\newcommand{\P}{\mathbb{P}} Estou jogando um dado justo. Sempre que recebo 1, 2 ou 3, escrevo um '1'; sempre que recebo um 4, escrevo um '2'; sempre que recebo um 5 ou um 6, escrevo um '3'. Seja NNN o número total de jogadas necessárias para o produto de todos os números …

10 probability  normal-distribution  conditional-probability  multinomial  distributions 

Prove / refute E[ 1UMA| Ft] = 0 ou 1 a.s. ⇒ E [ 1UMA| Fs] = E[ 1UMA| Ft] como E[1A|Ft]=0 or 1 a.s. ⇒E[1A|Fs]=E[1A|Ft] a.s.E[1_A | \mathscr{F_t}] = 0 \ \text{or} \ 1 \ \text{a.s.} \ \Rightarrow E[1_A | \mathscr{F_{s}}] = E[1_A | \mathscr{F_t}] \ \text{a.s.} Dado um …

10 probability  conditional-probability  random-variable  filter 

Ao estudar a seleção de covariância, li uma vez o exemplo a seguir. Com relação ao seguinte modelo: Sua matriz de covariância e matriz de covariância inversa são dadas a seguir, Eu não entendo por que a independência dos e é decidido pelo covariância inversa aqui?xxxyyy Qual é a lógica …

10 machine-learning  bayesian  conditional-probability  covariance  graphical-model