Pertanyaan yang diberi tag «st.statistics»

Pertanyaan ini dimigrasikan dari Cross Validated karena dapat dijawab di Theoretical Computer Science Stack Exchange. Bermigrasi 8 tahun yang lalu . Saya memiliki masalah yang cukup unik untuk dipecahkan dan saya berharap seseorang di sini dapat memberi saya wawasan tentang cara terbaik untuk mengatasinya. Masalah: Misalkan daftar nomor N dibagikan …

23 cr.crypto-security  dc.distributed-comp  st.statistics  privacy 

Perambatan keyakinan telah terbukti menjadi metode yang sangat kuat melalui penelitian dalam model grafis probabilistik. Namun, saya tidak tahu apa-apa tentang BP yang sebanding dengan metode MCMC di mana kita dapat memiliki skema aproksimasi acak polinomial sepenuhnya (FPRAS) untuk masalah # P-complete. Bisakah seseorang mengarahkan saya ke beberapa referensi?

14 cc.complexity-theory  reference-request  graph-algorithms  machine-learning  st.statistics 

Saya bertanya-tanya apakah ada batas bawah (dalam hal kompleksitas sampel) yang dikenal untuk masalah berikut: Diberi contoh akses oracle ke dua distribusi yang tidak diketahui , pada , uji (whp) apakahD1D1D_1D2D2D_2{1,…,n}{1,…,n}\{1,\dots,n\} D1=D2D1=D2D_1=D_2 ataud2(D1,D2)=∥D1−D2∥2=∑ni=1(D1(i)−D2(i))2−−−−−−−−−−−−−−−−−−√≥ϵd2⁡(D1,D2)=‖D1−D2‖2=∑i=1n(D1(i)−D2(i))2≥ϵ\operatorname{d_2}(D_1,D_2)=\lVert D_1-D_2\rVert_2 = \sqrt{\sum_{i=1}^n\left(D_1(i)-D_2(i)\right)^2} \geq \epsilon Batu et al. [BFR + 00] menunjukkan bahwa sampel O(1ϵ4)O(1ϵ4)O\left(\frac{1}{\epsilon^4}\right) sudah cukup, …

11 ds.algorithms  lower-bounds  st.statistics  property-testing 

Diberikan status kuantum dipilih secara acak dari sekumpulan negara campuran , berapakah probabilitas rata-rata maksimum untuk mengidentifikasi dengan benar ? N ρ 1 . . . ρ N AρSEBUAHρA\rho_ANNNρ1. . . ρNρ1...ρN\rho_1 ... \rho_NSEBUAHAA Masalah ini dapat diubah menjadi dua masalah pembedaan status dengan mempertimbangkan masalah membedakan dari .ρ B …

11 quantum-computing  it.information-theory  quantum-information  st.statistics 

Misalkan menjadi n iid salinan variabel acak Gaussian X ∼ N ( 0 , σ 2 ) . Diketahui bahwa P ( | 1X1, ... , XnX1,…,XnX_1,\ldots, X_nnnnX∼ N( 0 , σ2)X∼N(0,σ2)X \sim N(0, \sigma^2) Dua hasil ini mengikuti dari ketimpangan konsentrasi variabel acak sub-Gaussian dan sub-eksponensial dan yang kedua …

8 pr.probability  st.statistics