Perguntas com a marcação «mathematical-statistics»

Teoria matemática da estatística, preocupada com definições formais e resultados gerais.

1
Solução de formulário fechado para o problema do laço quando a matriz de dados é diagonal
\newcommand{\diag}{\operatorname{diag}} Temos o problema: supondo que: \ sum_ {i = 1} ^ nx_ix_i ^ T = \ diag (\ sigma_1 ^ 2, ..., \ sigma_d ^ 2).minw∈Rd(1n∑i=1n(⟨w,xi⟩−yi)2+2λ||w||1),minw∈Rd(1n∑i=1n(⟨w,xi⟩−yi)2+2λ||w||1),\min_{w\in\mathbb{R}^{d}}\left( \frac{1}{n}\sum_{i=1}^{n} \left( \langle w,x_{i}\rangle-y_{i} \right)^{2} +2\lambda||w||_1\right),∑i=1nxixTi=diag(σ21,...,σ2d).∑i=1nxixiT=diag⁡(σ12,...,σd2).\sum_{i=1}^nx_ix_i^T=\diag(\sigma_1^2,...,\sigma_d^2). Existe uma solução fechada neste caso? Eu tenho isso: (XTX)−1=diag(σ−21,...,σ−2d),(XTX)−1=diag⁡(σ1−2,...,σd−2),(X^TX)^{-1}=\diag\left(\sigma_1^{-2},...,\sigma_d^{-2}\right), e , portanto, acho que a resposta …


2
Quais são as aplicações práticas conhecidas e existentes da teoria do caos na mineração de dados?
Enquanto lia casualmente algum mercado de massa trabalha com a teoria do caos nos últimos anos, comecei a me perguntar como vários aspectos dele poderiam ser aplicados à mineração de dados e campos relacionados, como redes neurais, reconhecimento de padrões, gerenciamento de incertezas etc. deparamos com tão poucos exemplos de …

3
Regressão linear: alguma distribuição não normal que dê identidade ao OLS e MLE?
Esta questão é inspirada na longa discussão nos comentários aqui: Como a regressão linear usa a distribuição normal? No modelo de regressão linear usual, por simplicidade, aqui escrito com apenas um preditor: Yi=β0+β1xi+ϵiYi=β0+β1xi+ϵi Y_i = \beta_0 + \beta_1 x_i + \epsilon_i onde são constantes conhecidas e são termos de erro …


2
Derivando a distribuição bivariada de Poisson
Encontrei recentemente a distribuição bivariada de Poisson, mas estou um pouco confusa sobre como ela pode ser derivada. A distribuição é dada por: P( X= x , Y= y)=e−(θ1+θ2+θ0)θx1x!θy2y!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP(X=x,Y=y)=e−(θ1+θ2+θ0)θ1xx!θ2yy!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP(X = x, Y = y) = e^{-(\theta_{1}+\theta_{2}+\theta_{0})} \displaystyle\frac{\theta_{1}^{x}}{x!}\frac{\theta_{2}^{y}}{y!} \sum_{i=0}^{min(x,y)}\binom{x}{i}\binom{y}{i}i!\left(\frac{\theta_{0}}{\theta_{1}\theta_{2}}\right)^{i} Pelo que pude entender , o termo \ theta_ {0}θ0θ0\theta_{0} é uma …

2
Variável aleatória uniforme e discreta (?), Levando todos os valores racionais em um intervalo fechado
Eu só tive um ataque de pânico (intelectual). Uma variável aleatória contínua que segue um uniforme em um intervalo fechado : um conceito estatístico confortavelmente familiar. U(a,b)U(a,b)U(a,b) Um uniforme contínuo rv com suporte sobre os reais estendidos (metade ou todo): não um rv adequado, mas um conceito bayesiano básico para …



7
Compreendendo a teoria e as aplicações estatísticas
Recentemente, me formei com mestrado em modelagem médica e biológica, acompanhada de engenharia matemática como pano de fundo. Embora meu programa educacional incluísse uma quantidade significativa de cursos de estatística matemática (veja abaixo uma lista), que gerenciei com notas bastante altas, freqüentemente acabo completamente perdida olhando a teoria e as …


11
O desvio padrão está totalmente errado? Como você pode calcular std para alturas, contagens e etc (números positivos)?
Digamos que eu estou calculando alturas (em cm) e os números devem ser maiores que zero. Aqui está a lista de exemplo: 0.77132064 0.02075195 0.63364823 0.74880388 0.49850701 0.22479665 0.19806286 0.76053071 0.16911084 0.08833981 Mean: 0.41138725956196015 Std: 0.2860541519582141 Neste exemplo, de acordo com a distribuição normal, 99,7% dos valores devem estar entre …

2
Como definir uma região de rejeição quando não há UMP?
Considere o modelo de regressão linear y=Xβ+uy=Xβ+u\mathbf{y}=\mathbf{X\beta}+\mathbf{u} , u∼N(0,σ2I)u∼N(0,σ2I)\mathbf{u}\sim N(\mathbf{0},\sigma^2\mathbf{I}) , E(u∣X)=0E(u∣X)=0E(\mathbf{u}\mid\mathbf{X})=\mathbf{0} . Seja H0:σ20=σ2H0:σ02=σ2H_0: \sigma_0^2=\sigma^2 vs H1:σ20≠σ2H1:σ02≠σ2H_1: \sigma_0^2\neq\sigma^2 . Podemos deduzir que yTMXyσ2∼χ2(n−k)yTMXyσ2∼χ2(n−k)\frac{\mathbf{y}^T\mathbf{M_X}\mathbf{y}}{\sigma^2}\sim \chi^2(n-k), ondedim(X)=n×kdim(X)=n×kdim(\mathbf{X})=n\times k. EMXMX\mathbf{M_X}é a notação típico para a matriz aniquilador,MXy=y^MXy=y^\mathbf{M_X}\mathbf{y}=\hat{\mathbf{y}} , onde y é a variável dependenteyregrediram emXy^y^ \hat{\mathbf{y}}yy\mathbf{y}XX\mathbf{X} . O livro que estou lendo …



Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.