Perguntas com a marcação «estimation»

Deixe que 𝑋1,𝑋2,...,𝑋𝑛X1,X2,...,XnX_1, X_2, . . . , X_n seja iid variáveis ​​aleatórias tendo pdf 𝑓𝑋(𝑥∣𝜃)=𝜃(1+𝑥)−(1+𝜃)𝐼(0,∞)(𝑥)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) onde 𝜃>0θ>0\theta >0 . Dê a UMVUE de 1𝜃1θ\frac{1}{\theta} e calcular sua variância Eu aprendi sobre dois métodos para obter UMVUE's: Limite inferior de Cramer-Rao (CRLB) Lehmann-Scheffe Thereom Vou tentar fazer isso …

10 self-study  estimation  inference  exponential-family  umvue 

Existe algum motivo específico para você escolher a estimativa da densidade do kernel em vez da estimativa paramétrica? Eu estava aprendendo a ajustar a distribuição aos meus dados. Esta pergunta veio a mim. Meu tamanho de dados é relavamente grande com 7500 pontos de dados. Reivindicações automáticas. Meu objetivo é …

10 estimation  nonparametric  kernel-smoothing  parametric 

Ensinaram-me que podemos produzir uma estimativa de parâmetro na forma de um intervalo de confiança após a amostragem de uma população. Por exemplo, intervalos de confiança de 95%, sem suposições violadas, devem ter uma taxa de sucesso de 95% de conter qualquer que seja o parâmetro verdadeiro que estamos estimando …

9 hypothesis-testing  confidence-interval  estimation  inference 

Suponha que você teve um ano alienígena com um comprimento desconhecido N. Se você tem uma amostra aleatória dos referidos alienígenas e alguns deles compartilham aniversários, você pode usar esses dados para estimar a duração do ano? Por exemplo, em uma amostra de 100, você pode ter dois trigêmeos (ou …

9 estimation  inference  birthday-paradox 

Exemplos: Eu tenho uma frase na descrição do trabalho: "Java senior engineer in UK". Eu quero usar um modelo de aprendizado profundo para prever em duas categorias: English e IT jobs. Se eu usar o modelo de classificação tradicional, ele poderá prever apenas 1 rótulo com softmaxfunção na última camada. …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

O número de acidentes por dia é uma variável aleatória de Poisson com o parâmetro ; em 10 dias escolhidos aleatoriamente, o número de acidentes foi observado como 1,0,1,1,2,0,2,0,0,1, o que será ser um estimador imparcial de ?λλ\lambdaeλeλe^{\lambda} Tentei tentar desta maneira: Sabemos que , mas . Então, qual será …

9 self-study  estimation  poisson-distribution 

Considere a perda quadrática , com o dado previamente que . Seja a probabilidade. Encontre o estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considere a perda quadrática ponderada que com anterior . Seja seja a probabilidade. Encontre o estimador de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Compare eδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Primeiro, notei que , …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Um instrutor da minha universidade fez uma pergunta como essa (não para trabalhos de casa, pois a aula terminou e eu não participei). Não consigo descobrir como abordar isso. A questão diz respeito a 2 sacas cada uma contendo uma variedade de diferentes tipos de frutas: A primeira sacola contém …

9 regression  estimation 

Atualmente, estou lendo a peça de Pearl (Pearl, 2009, 2ª edição) sobre causalidade e luta para estabelecer o elo entre a identificação não paramétrica de um modelo e a estimativa real. Infelizmente, o próprio Pearl não fala nada sobre esse assunto. Para dar um exemplo, tenho um modelo simples em …

9 estimation  references  causality 

Eu sou bastante novo em estatística (um punhado de cursos Uni de nível iniciante) e estava pensando em amostragem de distribuições desconhecidas. Especificamente, se você não tem idéia da distribuição subjacente, existe alguma maneira de "garantir" que você obtenha uma amostra representativa? Exemplo para ilustrar: digamos que você esteja tentando …

9 distributions  estimation  sampling  sample-size  algorithms 

Vamos dizer que tenho N bolas em um saco. No meu primeiro sorteio, marquei a bola e a recoloquei na sacola. No meu segundo sorteio, se eu pegar uma bola marcada, eu a coloco na bolsa. Se, no entanto, eu pegar uma bola não marcada, eu a marca e a …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

Por padrão, quando usamos uma glmfunção em R, utiliza a mínimos quadrados iterativo reponderadas método (IWLS) para encontrar a estimativa da probabilidade máxima dos parâmetros. Agora eu tenho duas perguntas. As estimativas da IWLS garantem o máximo global da função de probabilidade? Com base no último slide desta apresentação, acho …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Eu tenho lido sobre o MLE como um método de gerar uma distribuição ajustada. Me deparei com uma declaração dizendo que as estimativas de probabilidade máxima "têm distribuições normais aproximadas". Isso significa que, se eu aplicar o MLE várias vezes sobre meus dados e a família de distribuições em que …

9 normal-distribution  estimation  maximum-likelihood 

Estou estudando métodos diferentes de estimativa de pontos e leio que, ao usar estimativas de MAP vs ML, quando usamos um "anterior uniforme", as estimativas são idênticas. Alguém pode explicar o que é um prior "uniforme" e dar alguns exemplos (simples) de quando os estimadores de MAP e ML seriam …

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

A população r-quadrado pode ser definida assumindo pontuações fixas ou pontuações aleatórias:ρ2ρ2\rho^2 Pontuações fixas: O tamanho da amostra e os valores particulares dos preditores são mantidos fixos. Assim, é a proporção de variância explicada no resultado pela equação de regressão populacional quando os valores do preditor são mantidos constantes.ρ2fρf2\rho^2_f Pontuações …

9 regression  estimation  r-squared