Perguntas com a marcação «markov-process»

Eu tenho uma matriz empírica de contagem de transições Q. Eu tenho uma cadeia de Markov teórica de primeira ordem P. Digamos que N é o número de transições. Gostaria de testar se Q é compatível com P. É correto encontrar a matriz de transição de contagem teórica (N * …

8 hypothesis-testing  chi-squared  markov-process 

Suponha que a Terra tenha sido atacada por naves espaciais marcianas e suponha que temos mísseis para lançar contra as naves espaciais. A probabilidade de atingir e destruir cada nave espacial por cada míssil é (independente do resto).nnnm=k⋅nm=k⋅nm=k \cdot nnnnppp Qual é a probabilidade de destruir todas as naves espaciais …

8 probability  conditional-probability  markov-process  coupon-collector-problem 

Eu implementei os algoritmos Viterbi e Forward , mas, estranhamente, não consigo entender como o algoritmo Backward funciona. Intuitivamente, sinto que preciso fazer a mesma coisa que no Forward apenas para trás, usando os valores calculados durante a propagação do Forward . Minha intuição está correta? Eu li muitos slides …

8 markov-process  hidden-markov-model  viterbi-algorithm 

Seja a distribuição de destino em que é absolutamente continuamente escrita na medida de Lebesgue dimensional, ou seja:ππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd ππ\pi admite uma densidade em com π(x1,...,xd)π(x1,...,xd)\pi(x_1,...,x_d)λdλd\lambda^dλd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)λd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)\lambda^d(dx_1,...,dx_d) = \lambda(dx_1) \cdot \cdot \cdot \lambda (dx_d) Vamos supor que os condicionais completos de sejam conhecidos. Portanto, o núcleo de transição do Gibbs-Sampler é claramente …

8 bayesian  conditional-probability  markov-process  gibbs  integral 

Tenho problemas para encontrar uma solução sobre como executar um teste post-hoc (Tukey HSD) após uma ANOVA de medidas repetidas de dois fatores (ambos em indivíduos) em R. Para a ANOVA, usei a função aov: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Depois de ler as respostas para outras …

8 r  anova  repeated-measures  post-hoc  tukey-hsd  goodness-of-fit  curve-fitting  sem  latent-variable  mplus  anova  post-hoc  tukey-hsd  markov-process  image-processing  r  time-series  causality  granger-causality  anova  mixed-model  lme4-nlme  random-effects-model  r  matlab  data-transformation  multinomial  notation  estimation  nonparametric  logistic  r  missing-data  multiple-imputation  mice 

O teorema é "Se uma matriz de transição para uma cadeia de Markov irredutível com um espaço de estados finito S é duplamente estocástica, sua (invulgar) medida invariante é uniforme sobre S." Se uma cadeia de Markov tem uma matriz de transição duplamente estocástica, li que suas probabilidades limitantes compõem …

8 probability  self-study  markov-process 

Eu tenho uma máquina de estado com entradas positivas e negativas. O tempo entre as entradas positivas segue uma distribuição gama ( ), e o tempo entre as entradas negativas segue uma distribuição gama diferente ( ). Assim, as probabilidades de receber positivo e entradas negativas sobre algum intervalo de …

7 pdf  stochastic-processes  markov-process  queueing  interarrival-time 

Considere um processo estocástico seguindo o modelo que .{Xt,t=1,2,…}{Xt,t=1,2,…}\{X_t, t = 1, 2, \ldots\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t,et∼fet∼fe_t \thicksim f Posso dizer que a distribuição do ponto inicial, , é a mesma que ?X1X1X_1fff Posso dizer que a densidade marginal estacionária, se existir, de é igual a ?{Xt}{Xt}\{X_t\}X2(=DαX1+e2)X2(=DαX1+e2)X_2 (\stackrel{D}{=}\alpha …

6 pdf  markov-process  stationarity  autoregressive  marginal