Perguntas com a marcação «intuition»

Sou completamente cego e venho de um background de programação. O que estou tentando fazer é aprender aprendizado de máquina e, para fazer isso, primeiro preciso aprender sobre regressão linear. Todas as explicações na Internet que estou descobrindo sobre esse assunto traçam os dados primeiro. Estou procurando uma explicação prática …

47 regression  intuition 

Suponha que . Em seguida, a distribuição condicional de considerando que é multivariada, normalmente distribuída com média:X 1 X 2 = x 2X ∼ N2( μ , Σ )X∼N2(μ,Σ)\mathbf{X} \sim N_{2}(\mathbf{\mu}, \mathbf{\Sigma})X1X1X_1X2= x2X2=x2X_2 = x_2 E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2)E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2) E[P(X_1 | X_2 = x_2)] = \mu_1+\frac{\sigma_{12}}{\sigma_{22}}(x_2-\mu_2) e variância: Var[P(X1|X2=x2)]=σ11−σ212σ22Var[P(X1|X2=x2)]=σ11−σ122σ22{\rm Var}[P(X_1 | X_2 = …

46 normal-distribution  multivariate-analysis  intuition 

O exemplo de Stein mostra que a estimativa de máxima verossimilhança de nnn variáveis ​​normalmente distribuídas com médias μ1,…,μnμ1,…,μn\mu_1,\ldots,\mu_n e variâncias 111 é inadmissível (sob uma função de perda quadrada) se n≥3n≥3n\ge 3 . Para uma prova clara, consulte o primeiro capítulo de Inferência em larga escala: Métodos empíricos de …

46 maximum-likelihood  unbiased-estimator  intuition  steins-phenomenon 

Vejo o conceito de 'permutabilidade' sendo usado em diferentes contextos (por exemplo, modelos bayesianos), mas nunca entendi o termo muito bem. O que esse conceito significa? Em que circunstâncias esse conceito é invocado e por quê?

41 bayesian  intuition  exchangeability 

Da Wikipedia: Suponha que você esteja em um game show e tenha a opção de três portas: Atrás de uma porta está um carro; atrás dos outros, cabras. Você escolhe uma porta, digamos o número 1, e o anfitrião, que sabe o que está por trás das portas, abre outra …

40 probability  intuition  puzzle 

Suponha que é uma variável aleatória com pdf . Então a variável aleatória tem o pdfXXXfX(x)fX(x)f_X(x)Y=X2Y=X2Y=X^2 fY(y)={12y√(fX(y√)+fX(−y√))0y≥0y<0fY(y)={12y(fX(y)+fX(−y))y≥00y<0f_Y(y)=\begin{cases}\frac{1}{2\sqrt{y}}\left(f_X(\sqrt{y})+f_X(-\sqrt{y})\right) & y \ge 0 \\ 0 & y \lt 0\end{cases} Eu entendo o cálculo por trás disso. Mas estou tentando pensar em uma maneira de explicar isso para alguém que não conhece cálculo. …

37 random-variable  pdf  intuition 

Recentemente, aprendi sobre um princípio do raciocínio probabilístico chamado " explicação " e estou tentando entender uma intuição para isso. Deixe-me montar um cenário. Seja o evento de um terremoto. Seja o evento o evento que o gigante verde alegre passeia pela cidade. Seja o evento que o chão está …

36 probability  intuition 

Uma versão muito simples do teorema limitado central, como abaixo que é o CLT de Lindeberg – Lévy. Não entendo por que existe um no lado esquerdo. E o Lyapunov CLT diz mas por que não \ sqrt {s_n} ? Alguém me diria quais são esses fatores, como \ sqrt …

36 central-limit-theorem  intuition 

Atualmente, esta mensagem no artigo de Reuter de 25.02.2019 está em todas as notícias: Evidências do aquecimento global causado pelo homem atingem o 'padrão ouro' [Os cientistas] disseram que a confiança de que as atividades humanas estavam aumentando o calor na superfície da Terra havia atingido um nível de “cinco …

35 p-value  intuition  application  communication  climate 

Qual é a diferença entre variância finita e infinita? Meu conhecimento de estatísticas é bastante básico; Wikipedia / Google não foi de muita ajuda aqui.

33 variance  intuition  partial-moments 

A fórmula para a probabilidade condicional de acontecer, dado que aconteceu é:UMAUMA\text{A}BB\text{B}P( A | B ) = P( A ∩ B )P(B).P(A | B)=P(A∩B)P(B). P\left(\text{A}~\middle|~\text{B}\right)=\frac{P\left(\text{A} \cap \text{B}\right)}{P\left(\text{B}\right)}. Meu livro explica a intuição por trás disso em termos de um diagrama de Venn. Dado que ocorreu , a única maneira de …

30 probability  conditional-probability  intuition 

Modelos aditivos generalizados são aqueles em que por exemplo. as funções são suaves e devem ser estimadas. Geralmente por splines penalizados. MGCV é um pacote em R que faz isso, e o autor (Simon Wood) escreve um livro sobre seu pacote com exemplos de R. Ruppert et al. (2003) escrevem …

30 r  nonparametric  interaction  splines  intuition 

Suponha que tenhamos uma variável aleatória . Se fosse o parâmetro true, a função de verossimilhança deveria ser maximizada e a derivada igual a zero. Esse é o princípio básico por trás do estimador de probabilidade máxima.X∼f(x|θ)X∼f(x|θ)X \sim f(x|\theta)θ0θ0\theta_0 Pelo que entendi, as informações de Fisher são definidas como I(θ)=E[(∂∂θf(X|θ))2]I(θ)=E[(∂∂θf(X|θ))2]I(\theta) …

29 bayesian  maximum-likelihood  likelihood  intuition  fisher-information 

Estou tentando entender um artigo sobre previsão de carga elétrica, mas estou lutando com os conceitos internos, especialmente o modelo SARIMAX . Esse modelo é usado para prever a carga e usa muitos conceitos estatísticos que eu não entendo (eu sou um estudante de ciências da computação - você pode …

27 regression  time-series  arima  autoregressive  intuition 

Qual é a diferença intuitiva entre uma variável aleatória convergindo em probabilidade versus uma variável aleatória convergindo em distribuição? Eu li várias definições e equações matemáticas, mas isso realmente não ajuda. (Lembre-se de que sou estudante de graduação em economia). Como uma variável aleatória pode convergir para um único número, …

26 distributions  random-variable  convergence  intuition