Perguntas com a marcação «probability»

Uma probabilidade fornece uma descrição quantitativa da provável ocorrência de um evento específico.

1
Alguma vez haverá um Tribble infeliz em Oz?
Aqui está um problema divertido trazido a mim por um aluno. Embora tenha sido originalmente redigido em termos de balas mutuamente aniquiladoras disparadas a intervalos regulares por uma arma, achei que você poderia desfrutar de uma apresentação mais pacífica. No mundo infinito e plano de Oz, a Estrada dos Tijolos …
2
A normalidade da articulação é uma condição necessária para que a soma das variáveis ​​aleatórias normais seja normal?
Nos comentários após esta minha resposta a uma pergunta relacionada, os Usuários ssdecontrol e Glen_b perguntaram se a normalidade conjunta de XXX e é necessária para afirmar a normalidade da soma ? Essa normalidade das articulações é suficiente , é claro, bem conhecida. Essa questão suplementar não foi abordada lá …
1
Distribuição de probabilidade especial
Se p(x)p(x)p(x) é uma distribuição de probabilidade com valores diferentes de zero em [0,+∞)[0,+∞)[0,+\infty) , para que tipo (s) de p(x)p(x)p(x) existe uma constante c>0c>0c\gt 0 tal que ∫∞0p(x)logp(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2∫0∞p(x)log⁡p(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2\int_0^{\infty}p(x)\log{\frac{ p(x)}{(1+\epsilon)p({x}(1+\epsilon))}}dx \leq c \epsilon^2para todos os0<ϵ<10<ϵ<10\lt\epsilon\lt 1? A desigualdade acima é na verdade uma divergência de Kullback-Leibler entre a distribuição p(x)p(x)p(x) …
2
O teorema de Slutsky ainda é válido quando duas seqüências convergem para uma variável aleatória não degenerada?
Estou confuso sobre alguns detalhes sobre o teorema de Slutsky : Seja {Xn}{Xn}\{X_n\} , duas sequências de elementos aleatórios escalares / vetor / matriz.{Yn}{Yn}\{Y_n\} Se convergir na distribuição para um elemento aleatório e convergir em probabilidade para uma constante , desde que seja invertível, em que denota convergência na distribuição. …
2
Como escolher a largura ideal da bandeja ao calibrar modelos de probabilidade?
Antecedentes: Existem algumas ótimas perguntas / respostas aqui sobre como calibrar modelos que preveem as probabilidades de um resultado acontecer. Por exemplo Brier score , e sua decomposição em resolução, incerteza e confiabilidade . Gráficos de calibração e regressão isotônica . Esses métodos geralmente exigem o uso de um método …
2
Como encontrar
Como posso resolver isso? Eu preciso de equações intermediárias. Talvez a resposta seja - t f ( x )−tf(x)-tf(x) . dd t [∫ ∞ t xf(x)d x ]ddt[∫∞txf(x)dx] \frac{d}{dt} \left [\int_t^\infty xf(x)\,dx \right ] f ( x )f(x)f(x) é a função de densidade de probabilidade. Ou seja, lim x → …
4
Que proporção de distribuições independentes fornece uma distribuição normal?
A proporção de duas distribuições normais independentes fornece uma distribuição de Cauchy. A distribuição t é uma distribuição normal dividida por uma distribuição qui-quadrado independente. A proporção de duas distribuições qui-quadrado independentes fornece uma distribuição F. Estou procurando uma razão de distribuições contínuas independentes que forneçam uma variável aleatória normalmente …
5
Como executar a imputação de valores em um número muito grande de pontos de dados?
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis ​​estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Proporção de probabilidades versus proporção de PDFs
Estou usando o Bayes para resolver um problema de cluster. Depois de fazer alguns cálculos, acabo com a necessidade de obter a razão de duas probabilidades: P(A)/P(B)P(A)/P(B)P(A)/P(B) para obter P(H|D)P(H|D)P(H|D) . Essas probabilidades são obtidas pela integração de dois KDEs multivariados 2D diferentes, conforme explicado nesta resposta : P(A)=∬x,y:f^(x,y)<f^(ra,sa)f^(x,y)dxdyP(A)=∬x,y:f^(x,y)<f^(ra,sa)f^(x,y)dxdyP(A) = …
2
Intuição por trás da função de densidade das distribuições t
Estou estudando sobre a distribuição t de Student e comecei a me perguntar como derivar a função de densidade das distribuições t (da wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): f(t)=Γ(v+12)vπ−−√Γ(v2)(1+t2v)−v+12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} onde são os graus de liberdade e Γ é a função gama. Qual é a intuição dessa função? Quero dizer, …
5
John Kerrich Coin-flip Data
Alguém pode sugerir onde obter os resultados dos 10.000 lançamentos de moedas (ou seja, todas as 10.000 caras e coroas) realizados por John Kerrich durante a Segunda Guerra Mundial?
2
Integrando o estimador de densidade do kernel em 2D
Estou saindo dessa pergunta , caso alguém queira seguir a trilha. Basicamente, eu tenho um conjunto de dados ΩΩ\Omega composto por NNN objetos em que cada objeto tem um determinado número de valores medidos anexados (dois neste caso): Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] Eu preciso de …
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.