Perguntas com a marcação «probability»

Os testes de permutação (também chamados de teste de randomização, teste de re-randomização ou teste exato) são muito úteis e úteis quando a suposição de distribuição normal exigida por, por exemplo, t-testnão é atendida e quando a transformação dos valores pela classificação do teste não-paramétrico como Mann-Whitney-U-testlevaria a mais informações …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Eu tenho uma amostra de cerca de 1000 valores. Esses dados são obtidos do produto de duas variáveis ​​aleatórias independentes . A primeira variável aleatória possui uma distribuição uniforme . A distribuição da segunda variável aleatória não é conhecida. Como posso estimar a distribuição da segunda variável aleatória ( )?ξ …

15 probability  distributions  mathematical-statistics 

Estou estudando um curso de aprendizado de máquina e os slides das palestras contêm informações que considero contraditórias com o livro recomendado. O problema é o seguinte: existem três classificadores: classificador A, que oferece melhor desempenho na faixa mais baixa dos limites, classificador B, proporcionando melhor desempenho na faixa mais …

15 machine-learning  probability  data-visualization  classification  roc 

Estou trabalhando com um conjunto de dados com N em torno de 200.000. Nas regressões, estou vendo valores de significância muito pequenos << 0,001 associados a tamanhos de efeito muito pequenos, por exemplo, r = 0,028. O que eu gostaria de saber é: existe uma maneira baseada em princípios de …

15 regression  probability  statistical-significance  sample-size 

Suponha que eu tenha amostras de duas populações distintas. Se eu medir quanto tempo leva para cada membro executar uma tarefa, posso estimar facilmente a média e a variação de cada população. Se eu agora supor um pareamento aleatório com um indivíduo de cada população, posso estimar a probabilidade de …

15 probability  normal-distribution 

Estou escrevendo sobre o uso de uma 'distribuição de probabilidade conjunta' para um público que provavelmente entenderá 'distribuição multivariada', por isso estou pensando em usá-lo posteriormente. No entanto, não quero perder o significado ao fazer isso. A Wikipedia parece indicar que estes são sinônimos. São eles? Se não, por que …

15 probability  terminology  joint-distribution  definition 

O valor esperado de uma distribuição f( X )f(x)f(x) é a média, ou seja, o valor médio ponderado E[ x ] = ∫+ ∞- ∞xf( x ) dxE[x]=∫-∞+∞xf(x)dxE[x]=\int_{-\infty}^{+\infty} x \, \, f(x) dx O valor mais provável é o modo, que é o valor mais provável. No entanto, esperamos ver …

15 probability  distributions  chi-squared  expected-value  mode 

Estou tentando entender as cadeias de Markov usando SAS. Entendo que um processo de Markov é aquele em que o estado futuro depende apenas do estado atual e não do estado passado e existe uma matriz de transição que captura a probabilidade de transição de um estado para outro. Mas …

15 probability  simulation  mcmc  monte-carlo  markov-process 

Nota: desculpe-me antecipadamente se for uma duplicata, não encontrei um q semelhante na minha pesquisa Digamos que temos um parâmetro verdadeiro p. Um intervalo de confiança C (X) é um VR que contém p, digamos, 95% das vezes. Agora, suponha que observemos X e calculemos C (X). A resposta comum …

15 probability  confidence-interval 

Na teoria das probabilidades, uma variável aleatória não negativa é chamada de treliça se existir tal que .d ≥ 0 Σ ∞ n = 0 P ( X = N d ) = 1XXXd≥0d≥0d \geq 0∑∞n=0P(X=nd)=1∑n=0∞P(X=nd)=1\sum_{n=0}^{\infty}P(X=nd) = 1 Existe uma interpretação geométrica para o motivo pelo qual essa definição é …

15 probability 

Para que o CLT se mantenha, precisamos da distribuição que queremos aproximar para ter média e variância finita . Seria verdade que, para o caso da distribuição de Cauchy, cuja média e variância são indefinidas, o Teorema do Limite Central falha em fornecer uma boa aproximação, mesmo que assintoticamente?σ 2μμ\muσ2σ2\sigma^2

15 probability  central-limit-theorem  asymptotics  cauchy 

No livro de Steven Pinker, Better Angels of Our Nature , ele observa que Probabilidade é uma questão de perspectiva. Visto de perto, eventos individuais têm causas determinadas. Mesmo um lançamento de moeda pode ser previsto a partir das condições de partida e das leis da física, e um mago …

15 probability  central-limit-theorem  intuition 

Podemos dizer algo sobre a dependência de uma variável aleatória e a função de uma variável aleatória? Por exemplo, depende de ? XX2X2X^2XXX

15 probability  random-variable 

Eu li que na regra de Bayes, o denominador dePr(data)Pr(data)\Pr(\textrm{data}) Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} é chamado de constante de normalização . O que exatamente é isso? Qual é seu propósito? Por que parece ? Por que não depende dos parâmetros?Pr(data)Pr(data)\Pr(data)

15 probability  bayesian 

Como estudante de física, experimentei a palestra "Por que sou bayesiano", talvez meia dúzia de vezes. É sempre a mesma coisa - o apresentador explica presunçosamente como a interpretação bayesiana é superior à interpretação freqüentista supostamente empregada pelas massas. Eles mencionam a regra de Bayes, marginalização, anteriores e posteriores. Qual …

15 probability  bayesian  frequentist