Perguntas com a marcação «linear»

Digamos que temos um vetor aleatório , extraído de uma distribuição com função de densidade de probabilidade . Se o transformarmos linearmente por uma matriz classificação completa para obter , a densidade de será dada porX⃗ ∈RnX→∈Rn\vec{X} \in \mathbb{R}^nfX⃗ (x⃗ )fX→(x→)f_\vec{X}(\vec{x})n×nn×nn \times nAAAY⃗ =AX⃗ Y→=AX→\vec{Y} = A\vec{X}Y⃗ Y→\vec{Y}fY⃗ (y⃗ )=1|detA|fX⃗ …

12 references  random-variable  pdf  linear 

Modelos de efeitos mistos lineares são modelos de extensões de regressão linear para dados coletados e resumidos em grupos. As principais vantagens são que os coeficientes podem variar em relação a uma ou mais variáveis ​​de grupo. No entanto, estou lutando com quando usar o modelo de efeito misto? Elaborarei …

11 regression  mixed-model  random-effects-model  linear 

Quando queremos estimar parâmetros de regressão linear, fazemos equações normais até o modelo linear que contém número de incógnitas. Por que essas equações são chamadas de equações normais?

11 regression  least-squares  terminology  linear 

Depois de analisar esta pergunta: tentando imitar a regressão linear usando Keras , tentei dar meu próprio exemplo, apenas para fins de estudo e para desenvolver minha intuição. Baixei um conjunto de dados simples e usei uma coluna para prever outra. Os dados são assim: Agora, criei um modelo keras …

11 regression  machine-learning  neural-networks  linear  keras 

Meu conjunto de dados ( ) possui uma variável dependente (DV), cinco variáveis ​​independentes "de linha de base" (P1, P2, P3, P4, P5) e uma variável independente de interesse (Q).N≈10,000N≈10,000N \approx 10,000 Executei regressões lineares OLS para os dois modelos a seguir: DV ~ 1 + P1 + P2 + …

10 regression  linear  r-squared 

Como você interpreta uma curva de sobrevivência a partir do modelo de risco proporcional cox? Neste exemplo de brinquedo, suponha que tenhamos um modelo de risco proporcional ao cox na agevariável dos kidneydados e gere a curva de sobrevivência. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Por exemplo, …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

É sabido que uma combinação linear de 2 variáveis ​​normais aleatórias também é uma variável normal aleatória. Existem famílias de distribuição não normais comuns (por exemplo, Weibull) que também compartilham essa propriedade? Parece haver muitos contra-exemplos. Por exemplo, uma combinação linear de uniformes não é tipicamente uniforme. Em particular, existem …

9 distributions  linear 

Podemos simular regressão linear sem aleatoriedade, o que significa que fazemos vez de . Então, se ajustarmos um modelo linear, os coeficientes serão idênticos à "verdade fundamental". Aqui está um exemplo.y = X β + ϵy=Xβy=Xβy=X\betay=Xβ+ϵy=Xβ+ϵy=X\beta+\epsilon set.seed(0) n <- 1e5 p <- 3 X <- matrix(rnorm(n*p), ncol=p) beta <- runif(p) …

8 r  logistic  regularization  linear  separation 

Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Estou lendo um texto, "Probability and Statistics", de Devore. Estou analisando 2 itens na página 740: o valor esperado e a variância da estimativa de β1β1\beta_1 , que é o parâmetro de inclinação na regressão linear Yi=β0+β1Xi+ϵiYi=β0+β1Xi+ϵEuY_i = \beta_0 + \beta_1 X_i + \epsilon_i . ϵEuϵEu\epsilon_i é uma Gaussiana ( …

8 regression  self-study  linear 

Eu sei que este é o sistema de solução de problemas de equações lineares. Mas minha pergunta é por que é um problema o número de observações ser menor que o número de preditores, como isso pode acontecer? A coleta de dados não provém do delicado projeto de pesquisa ou …

7 dimensionality-reduction  linear  matrix  linear-algebra  regression-strategies 

Estou tentando entender como as pessoas derivam a probabilidade de regressão linear simples. Digamos que temos apenas um recurso x e o resultado y. Eu não duvido que a expressão com a própria densidade normal e eu também não tenho dúvida de que se pode levar o produto para fatores …

7 regression  probability  linear-model  likelihood  linear 

Suponha que tenhamos um conjunto de dados com milhões de linhas e milhares de colunas e a tarefa seja a classificação binária. Quando executamos um modelo de regressão logística, o desempenho é muito melhor que o esperado, por exemplo, classificação quase perfeita. Suspeitamos que existem algumas variáveis ​​de trapaça nos …

7 algorithms  linear  large-data  high-dimensional