Perguntas com a marcação «intuition»

alguém pode fornecer uma intuição sobre por que os momentos mais altos de uma distribuição de probabilidade p(x)como o terceiro e o quarto momentos correspondem à assimetria e curtose, respectivamente? especificamente, por que o desvio da média aumentada para a 3ª ou a 4ª potência acaba se traduzindo em uma …

11 mathematical-statistics  skewness  moments  intuition  kurtosis 

Para não estatísticos como eu, é muito difícil capturar a ideia de VImétrica (variação de informação) mesmo depois de ler o artigo relevante de Marina Melia " Comparando agrupamentos - uma distância baseada em informação " (Journal of Multivariate Analysis, 2007). De fato, não estou familiarizado com muitos dos termos …

11 r  clustering  validation  intuition 

Atualmente, estou participando do curso Uma Introdução ao Gerenciamento de Operações em Coursera.org. Em algum momento do curso, o professor começou a lidar com variações no tempo das operações. A medida que ele usa é o coeficiente de variação , a razão entre o desvio padrão e a média: cv=σμcv=σμc_v …

11 standard-deviation  intuition  coefficient-of-variation 

Em " Redes de crenças profundas convolucionais para o aprendizado não supervisionado e escalável de representações hierárquicas ", de Lee et. al. ( PDF ) São propostos DBNs convolucionais. O método também é avaliado para a classificação de imagens. Isso parece lógico, pois existem recursos naturais da imagem local, como …

11 classification  unsupervised-learning  intuition  deep-belief-networks 

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 

A ideia por trás da Rede Neural Recorrente (RNN) é clara para mim. Entendo da seguinte maneira: Temos uma sequência de observações ( ) (ou, em outras palavras, séries temporais multivariadas). Cada observação única é um vetor numérico dimensional. No modelo RNN, assumimos que a próxima observação é uma função …

11 time-series  neural-networks  predictive-models  intuition  rnn 

Por que os valores de p e as estatísticas do teste ks diminuem com o aumento do tamanho da amostra? Tome este código Python como um exemplo: import numpy as np from scipy.stats import norm, ks_2samp np.random.seed(0) for n in [10, 100, 1000, 10000, 100000, 1000000]: x = norm(0, 4).rvs(n) …

11 python  p-value  goodness-of-fit  intuition  scipy 

A forma fechada de w na regressão linear pode ser escrita como W^= ( XTX)- 1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty Como podemos explicar intuitivamente o papel de nessa equação?( XTX)- 1(XTX)−1(X^TX)^{-1}

10 regression  least-squares  matrix  intuition  matrix-inverse 

Eu sei de estudos anteriores que Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B) = Var(A) + Var(B) + 2 Cov (A,B) No entanto, não entendo por que isso acontece. Percebo que o efeito será "aumentar" a variação quando A e B covarem altamente. Faz sentido que, ao criar um composto a partir de duas variáveis ​​altamente …

10 variance  covariance  intuition 

Entendo a mecânica de calcular os pesos usando as pontuações de propensão : e aplicando os pesos em uma análise de regressão, e que os pesos servem para "controlar" ou desassociar os efeitos das covariáveis ​​nas populações dos grupos de tratamento e controle com a variável de resultado.p(xi)p(xi)p(x_i)wi,j=treatwi,j=control=1p(xi)=11−p(xi)wi,j=treat=1p(xi)wi,j=control=11−p(xi)\begin{align} w_{i, j={\rm …

10 intuition  weighted-regression  propensity-scores 

Tentei implementar uma estimativa numérica da divergência Kullback-Leibler para duas amostras. Para depurar a implementação, extrair as amostras de duas distribuições normais e .N(0,1)N(0,1)\mathcal N (0,1)N(1,2)N(1,2)\mathcal N (1,2) Para uma estimativa simples, gerei dois histogramas e tentei aproximar numericamente a integral. Fiquei preso ao lidar com aquelas partes do histograma …

10 estimation  intuition  kullback-leibler  numerics 

Em um conjunto de problemas, provei esse "lema", cujo resultado não é intuitivo para mim. é uma distribuição normal padrão em um modelo censurado.ZZZ Formalmente, , e Z = m um x ( Z * , c ) . Então, E [ Z | Z > c ]Z∗∼ Nou r …

10 normal-distribution  pdf  intuition 

No livro que estou lendo, eles usam definição positiva (definição semi-positiva) para comparar duas matrizes de covariância. A idéia é que, se é pd então é menor do que . Mas estou lutando para conseguir a intuição desse relacionamento?A - BA−BA-BBBBUMAAA Há um tópico semelhante aqui: /math/239166/what-is-the-intuition-for-using-definiteness-to-compare-matrices Qual é a …

10 covariance-matrix  matrix  intuition  linear-algebra  geometry 

O erro padrão de uma proporção será o maior que pode ser para um dado N quando a proporção em questão for 0,5 e fica menor quanto mais a proporção for de 0,5. Eu posso ver por que isso acontece quando olho para a equação para o erro padrão de …

10 standard-error  proportion  intuition 

Alguém pode fornecer uma explicação simples (leiga) da relação entre as distribuições de Pareto e o Teorema do Limite Central (por exemplo, aplica-se? Por que / por que não?)? Estou tentando entender a seguinte declaração: "o Teorema do Limite Central não funciona com todas as distribuições. Isso se deve a …

10 variance  central-limit-theorem  intuition  pareto-distribution  fat-tails