Perguntas com a marcação «self-study»

Seja uma amostra aleatória da distribuição gama .X1,...,XnX1,...,XnX_1,...,X_nGamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Seja e a média e a variação da amostra, respectivamente.X¯X¯\bar{X}S2S2S^2 Em seguida, prove ou refute que e são independentes.X¯X¯\bar{X}S2/X¯2S2/X¯2S^2/\bar{X}^2 Minha tentativa: Desde , precisamos verificar a independência de e , mas como devo estabelecer a independência entre eles?S2/X¯2=1n−1∑ni=1(XiX¯−1)2S2/X¯2=1n−1∑i=1n(XiX¯−1)2S^2/\bar{X}^2 = \frac{1}{n-1} \sum_{i=1}^n \left(\frac{X_i}{\bar{X}}-1\right)^2 …

9 self-study  distributions  independence  gamma-distribution 

Se , encontre a distribuição de .X∼ C( 0 , 1 )X∼C(0,1)X\sim\mathcal C(0,1)Y= 2 X1 - X2Y=2X1−X2Y=\frac{2X}{1-X^2} TemosFY( y) = P r ( Y≤ y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) = P r ( 2 X1 - X2≤ y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) = ⎧⎩⎨⎪⎪⎪⎪⎪⎪P r ( X∈ ( - ∞ , - 1 - 1 + …

9 self-study  distributions  mathematical-statistics  random-variable 

Então fiz um teste de probabilidade e não consegui responder a essa pergunta. Apenas perguntou algo como isto: "Considerando que é uma variável aleatória, 0 , use a desigualdade correta para provar o que é maior ou igual, E (X ^ 2) ^ 3 ou E (X ^ 3) ^ …

9 probability  self-study  probability-inequalities 

Casella e Berger declaram a propriedade de invariância do estimador de ML da seguinte maneira: No entanto, parece-me que eles definem a "probabilidade" de ηη\eta de uma maneira completamente ad hoc e sem sentido: Se eu aplicar regras básicas da teoria das probabilidades ao caso simples em que , obtenho …

9 self-study  bayesian  maximum-likelihood  frequentist  invariance 

Exemplos: Eu tenho uma frase na descrição do trabalho: "Java senior engineer in UK". Eu quero usar um modelo de aprendizado profundo para prever em duas categorias: English e IT jobs. Se eu usar o modelo de classificação tradicional, ele poderá prever apenas 1 rótulo com softmaxfunção na última camada. …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

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 

Na Econometria Introdutória de Wooldridge, há uma citação: O argumento que justifica a distribuição normal dos erros geralmente é algo como isto: como é a soma de muitos fatores não observados que afetam , podemos invocar o teorema do limite central para concluir que tem uma distribuição normal aproximada.e vcvocêuuyyyvocêuu …

9 self-study  linear-model  econometrics  normality-assumption  central-limit-theorem 

Estou enfrentando os problemas dos problemas de atribuição escrita da classe de aprendizado profundo da Stanford PNL http://cs224d.stanford.edu/assignment1/assignment1_soln Estou tentando entender a resposta para 3a onde eles estão procurando a derivada do vetor para a palavra central. Suponha que você receba um vetor de palavras previsto correspondente à palavra central …

9 self-study  neural-networks  backpropagation  word2vec 

O número de acidentes por dia é uma variável aleatória de Poisson com o parâmetro ; em 10 dias escolhidos aleatoriamente, o número de acidentes foi observado como 1,0,1,1,2,0,2,0,0,1, o que será ser um estimador imparcial de ?λλ\lambdaeλeλe^{\lambda} Tentei tentar desta maneira: Sabemos que , mas . Então, qual será …

9 self-study  estimation  poisson-distribution 

Considere a perda quadrática , com o dado previamente que . Seja a probabilidade. Encontre o estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considere a perda quadrática ponderada que com anterior . Seja seja a probabilidade. Encontre o estimador de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Compare eδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Primeiro, notei que , …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

A questão é baseada no artigo intitulado: Reconstrução de imagens em tomografia óptica difusa usando o modelo de transporte-difusão radiativa acoplada Link para Download Os autores aplicam EM algoritmo com l1l1l_1 sparsity regularização de um vector desconhecida μμ\mu para estimar os pixels de uma imagem. O modelo é dado por …

9 self-study  bayesian  maximum-likelihood  expectation-maximization  moving-average 

Suponha que as variáveis ​​aleatórias e sejam independentes e -distribuídas. Mostre que possui um \ distribuição de texto {Exp} (1) .X1,...,XnX1,...,XnX_1, ... , X_nY1,...,YnY1,...,YnY_1, ..., Y_nU(0,a)U(0,a)U(0,a)Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))Zn=nlog⁡max(Y(n),X(n))min(Y(n),X(n))Z_n= n\log\frac{\max(Y_{(n)},X_{(n)})}{\min(Y_{(n)},X_{(n)})}Exp(1)Exp(1)\text{Exp}(1) Comecei esse problema definindo {X1,...,Xn,Y1,...Yn}={Z1,...,Zn}{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}\{X_1,...,X_n,Y_1,...Y_n\} = \{Z_1,...,Z_n\} Em seguida, o max(Yn,Xn)=Z(2n)max(Yn,Xn)=Z(2n)\max(Y_n,X_n)= Z_{(2n)} seria distribuído como (za)2n(za)2n(\frac{z}{a})^{2n} e min(Yn,Xn)=Z(1)min(Yn,Xn)=Z(1)\min(Y_n,X_n)= Z_{(1)} seria distribuído como 1−(1−za)2n1−(1−za)2n1 …

9 self-study  data-transformation  order-statistics 

Na verdade, esse é um dos problemas da 4ª edição da Econometria básica de Gujarati (Q3.11) e diz que o coeficiente de correlação é invariável em relação à mudança de origem e escala, que é onde , , , são constantes arbitrárias.corr(aX+b,cY+d)=corr(X,Y)corr(aX+b,cY+d)=corr(X,Y)\text{corr}(aX+b, cY+d) = \text{corr}(X,Y)aaabbbcccddd Mas minha pergunta principal é …

9 self-study  correlation  linear-algebra  mathematical-statistics 

Eu tenho tentado estabelecer a desigualdade |Ti|=∣∣Xi−X¯∣∣S≤n−1n−−√|Ti|=|Xi−X¯|S≤n−1n\left| T_i \right|=\frac{\left|X_i -\bar{X} \right|}{S} \leq\frac{n-1}{\sqrt{n}} onde é a média da amostra e o desvio padrão da amostra, que é .X¯X¯\bar{X}SSSS=∑ni=1(Xi−X¯)2n−1−−−−−−−−−√S=∑i=1n(Xi−X¯)2n−1S=\sqrt{\frac{\sum_{i=1}^n \left( X_i -\bar{X} \right)^2}{n-1}} É fácil ver que e assim mas isso não está muito próximo do que eu estava procurando, nem é …

9 self-study  descriptive-statistics  bounds 

Estou lendo a útil entrada da Wikipedia sobre aumento de gradiente ( https://en.wikipedia.org/wiki/Gradient_boosting ) e tento entender como / por que podemos aproximar os resíduos pela etapa de descida mais íngreme (também chamada de pseudo-gradiente ) Alguém pode me dar a intuição de como a descida mais íngreme está ligada …

9 self-study  gradient-descent