Pertanyaan yang diberi tag «beta-distribution»

Keluarga dua parameter dari distribusi univariat yang ditentukan pada interval [0,1].

2
UMVUE dari sementara sampel dari populasi
Biarkan menjadi sampel acak dari kerapatan(X1,X2,…,Xn)(X1,X2,…,Xn)(X_1,X_2,\ldots,X_n)fθ(x)=θxθ−110<x<1,θ>0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Saya mencoba menemukan UMVUE dari .θ1+θθ1+θ\frac{\theta}{1+\theta} Kepadatan bersama adalah(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp[(θ−1)∑i=1nlnxi+nlnθ+ln(10<x1,…,xn<1)],θ>0fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp⁡[(θ−1)∑i=1nln⁡xi+nln⁡θ+ln⁡(10<x1,…,xn<1)],θ>0\begin{align} f_{\theta}(x_1,\cdots,x_n)&=\theta^n\left(\prod_{i=1}^n x_i\right)^{\theta-1}\mathbf1_{00 \end{align} Karena populasi pdf milik keluarga eksponensial satu-parameter, ini menunjukkan bahwa statistik yang cukup lengkap untuk \ theta adalah T (X_1, \ ldots, X_n) = \ sum_ {i = 1} ^ …

2
Mengambil sampel secara efisien distribusi Beta yang di-threshold
Bagaimana saya bisa mengambil sampel secara efisien dari distribusi berikut? x∼B(α,β), x>kx∼B(α,β), x>k x \sim B(\alpha, \beta),\space x > k Jika tidak terlalu besar maka penolakan sampel mungkin merupakan pendekatan terbaik, tetapi saya tidak yakin bagaimana untuk melanjutkan ketika besar. Mungkin ada beberapa perkiraan asimptotik yang bisa diterapkan?kkkkkkk

2
Menskalakan variabel terbelakang dalam HMM Baum-Welch
Saya hanya mencoba untuk mengimplementasikan algoritma Baum-Welch yang diskalakan dan saya telah mengalami masalah di mana variabel terbelakang saya, setelah penskalaan, berada di atas nilai 1. Apakah ini normal? Bagaimanapun, probabilitas tidak boleh lebih dari 1. Saya menggunakan faktor skala yang saya dapatkan dari variabel forward: ct=1/∑s∈Sαt(s)ct=1/∑s∈Sαt(s) c_t = 1 …

1
Model pembelajaran dalam mana yang dapat mengklasifikasikan kategori yang tidak eksklusif satu sama lain
Contoh: Saya memiliki kalimat dalam deskripsi pekerjaan: "Java senior engineer in UK". Saya ingin menggunakan model pembelajaran yang mendalam untuk memperkirakannya sebagai 2 kategori: English dan IT jobs. Jika saya menggunakan model klasifikasi tradisional, hanya dapat memprediksi 1 label dengan softmaxfungsi di lapisan terakhir. Dengan demikian, saya dapat menggunakan 2 …
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 

4
Bagaimana cara menafsirkan kurva survival model bahaya Cox?
Bagaimana Anda menginterpretasikan kurva survival dari model hazard proporsional cox? Dalam contoh mainan ini, anggaplah kita memiliki model hazard proporsional cox pada agevariabel dalam kidneydata, dan menghasilkan kurva survival. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Misalnya, pada waktu , pernyataan mana yang benar? atau keduanya salah?200200200 Pernyataan …


1
Jika adalah beta independen maka tunjukkan juga beta
Ini adalah masalah yang muncul dalam ujian semester di universitas kami beberapa tahun yang lalu yang saya perjuangkan untuk diselesaikan. Jika adalah independen acak dengan kepadatan dan masing-masing kemudian menunjukkan bahwa mengikuti .X1,X2X1,X2X_1,X_2ββ\betaβ(n1,n2)β(n1,n2)\beta(n_1,n_2)β(n1+12,n2)β(n1+12,n2)\beta(n_1+\dfrac{1}{2},n_2)X1X2−−−−−√X1X2\sqrt{X_1X_2}β(2n1,2n2)β(2n1,2n2)\beta(2n_1,2n_2) Saya menggunakan metode Jacobian untuk mendapatkan bahwa kepadatan adalah sebagai berikut: Y=X1X2−−−−−√Y=X1X2Y=\sqrt{X_1X_2}fY(y)=4y2n1B(n1,n2)B(n1+12,n2)∫1y1x2(1−x2)n2−1(1−y2x2)n2−1dxfY(y)=4y2n1B(n1,n2)B(n1+12,n2)∫y11x2(1−x2)n2−1(1−y2x2)n2−1dxf_Y(y)=\dfrac{4y^{2n_1}}{B(n_1,n_2)B(n_1+\dfrac{1}{2},n_2)}\int_y^1\dfrac{1}{x^2}(1-x^2)^{n_2-1}(1-\dfrac{y^2}{x^2})^{n_2-1}dx Sebenarnya saya tersesat pada titik …

2
Bootstrap parametrik, semiparametrik, dan nonparametrik untuk model campuran
Cangkok berikut diambil dari artikel ini . Saya pemula untuk bootstrap dan mencoba mengimplementasikan bootstrap parametrik, semiparametrik, dan nonparametrik untuk model campuran linier dengan R bootpaket. Kode R Ini Rkode saya : library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

1
Statistik pesanan untuk distribusi beta
Misalkan menjadi undian dari . Bagaimana statistik pesanan minimum dan maksimum didistribusikan, masing-masing?x1,…,xnx1,…,xnx_1,\dots,x_nBeta(k2,k−p−12)Beta(k2,k−p−12)Beta\left(\frac{k}2,\frac{k-p-1}{2}\right) Saya akan sangat menghargai referensi jika memungkinkan. Secara umum saya tidak terbiasa dengan derivasi statistik pesanan. Sunting: Mengingat bahwa distribusi beta dapat diartikan sebagai statistik- untuk distribusi seragam, perkiraan saya adalah bahwa minimum atau maksimum distribusi beta …

1
Formulir tertutup untuk , untuk
Kita tahu bahwa jika , maka mana adalah fungsi Digamma. Apakah ada formulir yang mudah untuk ?p∼Beta(α,β)p∼Beta(α,β)p \sim Beta(\alpha, \beta)E[lnp]=ψ(α)−ψ(α+β)E[ln⁡p]=ψ(α)−ψ(α+β) \mathbb{E}[\ln p] = \psi(\alpha) - \psi(\alpha + \beta) ψ(.)ψ(.)\psi(.)E [ln( 1 - p ) ]E[ln⁡(1−p)] \mathbb{E}[\ln (1-p)]

1
Produk distribusi beta
Saya melihat efisiensi pemicu, artinya saya memiliki beberapa perangkat yang menyala kkk dari nnnacara Pada akhirnya saya tertarik pada beberapa estimasi efisiensiϵϵ\epsilonyang merupakan probabilitas untuk menembak pada peristiwa yang diberikan secara acak. Menggunakan pendekatan Bayesian dengan seragam sebelumnya[ 0 , 1 ][0,1][0,1] Saya dapat memodelkan distribusi probabilitas untuk ϵϵ\epsilon sebagai …

1
Sebelum Jeffreys untuk distribusi Beta
Jika kemungkinan saya memiliki bentuk distribusi beta, dan saya ingin menggunakan Jeffreys 'sebelumnya untuk parameternya, seperti apa bentuk sebelumnya? Untuk beberapa distribusi cukup mudah untuk menghitung. misalnya, dalam kasus binomial, ekspektasi turunan kedua jelas memberi Anda . Tetapi jika kemungkinan itu sendiri sudah memiliki bentuk beta, saya tersesat saat mencoba …

1
Dapatkah cosine kernel dipahami sebagai kasus distribusi Beta?
Seperti dicatat oleh Wand dan Jones (1995), sebagian besar kernel standar dapat dilihat sebagai kasus K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|&lt;1}K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|&lt;1} K(x;p) = \{ 2^{2p+1} \; \mathrm{B}(p+1,p+1) \}^{-1} \; (1-x^2)^p \;\boldsymbol{1}_{\{|x|<1\}} keluarga, di mana B(⋅,⋅)B(⋅,⋅)\mathrm{B}(\cdot,\cdot) adalah fungsi Beta. Nilai ppp mengarah ke kernel segi empat ( p=0p=0p=0 ), Epanechnikov ( p=1p=1p=1 ), biweight ( p=2p=2p=2 …

3
Distribusi jika Beta dan chi-kuadrat dengan derajat
Seandainya XXX memiliki distribusi beta, Beta(1,K−1)(1,K−1)(1,K-1) dan YYY mengikuti chi-squared dengan 2K2K2Kderajat. Selain itu, kami menganggap ituXXX dan YYY independen. Apa distribusi produk .Z=XYZ=XYZ=XY Perbarui Upaya saya: fZ=∫y=+∞y=−∞1|y|fY(y)fX(zy)dy=∫+∞01B(1,K−1)2KΓ(K)1yyK−1e−y/2(1−z/y)K−2dy=1B(1,K−1)2KΓ(K)∫+∞0e−y/2(y−z)K−2dy=1B(1,K−1)2KΓ(K)[−2K−1e−z/2Γ(K−1,y−z2)]∞0=2K−1B(1,K−1)2KΓ(K)e−z/2Γ(K−1,−z/2)fZ=∫y=−∞y=+∞1|y|fY(y)fX(zy)dy=∫0+∞1B(1,K−1)2KΓ(K)1yyK−1e−y/2(1−z/y)K−2dy=1B(1,K−1)2KΓ(K)∫0+∞e−y/2(y−z)K−2dy=1B(1,K−1)2KΓ(K)[−2K−1e−z/2Γ(K−1,y−z2)]0∞=2K−1B(1,K−1)2KΓ(K)e−z/2Γ(K−1,−z/2)\begin{align} f_Z &= \int_{y=-\infty}^{y=+\infty}\frac{1}{|y|}f_Y(y) f_X \left (\frac{z}{y} \right ) dy \\ &= \int_{0}^{+\infty} \frac{1}{B(1,K-1)2^K \Gamma(K)} \frac{1}{y} y^{K-1} e^{-y/2} (1-z/y)^{K-2} dy \\ &= \frac{1}{B(1,K-1)2^K …

1
Deteksi outlier dalam distribusi beta
Katakanlah saya memiliki sampel nilai yang besar di [0,1][0,1][0,1]. Saya ingin memperkirakan yang mendasarinyaBeta(α,β)Beta(α,β)\text{Beta}(\alpha, \beta)distribusi. Mayoritas sampel berasal dari asumsi iniBeta(α,β)Beta(α,β)\text{Beta}(\alpha, \beta) distribusi, sedangkan sisanya adalah outlier yang ingin saya abaikan dalam estimasi αα\alpha dan ββ\beta. Apa cara yang baik untuk melanjutkan ini? Apakah standar: Inliers={x∈[Q1−1.5IQR,Q3+1.5IQR]}Inliers={x∈[Q1−1.5IQR,Q3+1.5IQR]}\text{Inliers} = \left\{x \in [Q1 …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.