Pertanyaan yang diberi tag «conditional-probability»

Saya mengalami beberapa masalah dalam menyelesaikan yang berikut ini. Anda mengambil kartu dari tumpukan kartu 52 kartu standar tanpa penggantian sampai Anda mendapatkan kartu As. Anda menarik dari apa yang tersisa sampai Anda mendapatkan 2. Anda melanjutkan dengan 3. Berapa angka yang diharapkan Anda akan berada setelah seluruh dek habis? …

12 self-study  conditional-probability  conditional-expectation  games  conditioning 

Saya membuat purwarupa model tas naif Bayes saya sendiri, dan saya punya pertanyaan tentang menghitung probabilitas fitur. Katakanlah saya punya dua kelas, saya hanya akan menggunakan spam dan bukan-spam karena itulah yang digunakan semua orang. Dan mari kita ambil kata "viagra" sebagai contoh. Saya memiliki 10 email di set pelatihan …

12 classification  conditional-probability  naive-bayes 

Hanya ingin tahu apakah mungkin untuk menemukan nilai yang diharapkan dari x jika terdistribusi secara normal, mengingat bahwa itu di bawah nilai tertentu (misalnya, di bawah nilai rata-rata).

12 normal-distribution  conditional-probability  expected-value 

Saya ingin memahami uji pasti fisher dengan lebih baik, jadi saya menyusun contoh mainan berikut ini, di mana f dan m berhubungan dengan pria dan wanita, dan n dan y berhubungan dengan "konsumsi soda" seperti ini: > soda_gender f m n 0 5 y 5 0 Jelas, ini adalah penyederhanaan …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Saya ingin sampel dari kepadatan univariat tapi saya hanya tahu hubungannya:fXfXf_X fX(x)=∫fX|Y(x|y)fY(y)dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. Saya ingin menghindari penggunaan MCMC (langsung pada representasi integral) dan, karena dan mudah untuk diambil sampelnya, saya berpikir untuk menggunakan sampler berikut :fX|Y(x|y)fX|Y(x|y)f_{X\vert Y}(x\vert y)fY(y)fY(y)f_Y(y) Untuk .j=1,…,Nj=1,…,Nj=1,\dots, N Contoh .yj∼fYyj∼fYy_j \sim f_Y …

12 sampling  conditional-probability  monte-carlo  marginal 

Bagaimana cara menentukan distribusi variabel acak sedemikian sehingga undian dari Y memiliki korelasi ρ dengan x 1 , di mana x 1 adalah undian tunggal dari distribusi dengan fungsi distribusi kumulatif F X ( x ) ? YYYYYYρρ\rhox1x1x_1x1x1x_1FX(x)FX(x)F_{X}(x)

12 distributions  probability  correlation  random-variable  conditional-probability 

Misalkan Anda memiliki variabel penjelas X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right) mana sss mewakili koordinat yang diberikan. Anda juga memiliki variabel respons Y=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) . Sekarang, kita dapat menggabungkan kedua variabel sebagai: W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) Dalam hal ini, kita cukup memilih dan adalah matriks …

11 probability  bayesian  conditional-probability  gibbs 

Sepertinya persyaratan penuh seringkali cukup sulit diperoleh, namun program seperti JAGS dan BUGS mendapatkannya secara otomatis. Dapatkah seseorang menjelaskan bagaimana mereka secara algoritmik menghasilkan persyaratan penuh untuk spesifikasi model yang sewenang-wenang?

11 bayesian  conditional-probability  jags  bugs  gibbs 

Jika seseorang membuat pernyataan seperti di bawah ini: "Secara keseluruhan, bukan perokok yang terpapar asap lingkungan memiliki risiko relatif penyakit jantung koroner 1,25 (interval kepercayaan 95 persen, 1,17-1,32) dibandingkan dengan bukan perokok yang tidak terpapar asap rokok." Apa risiko relatif untuk populasi secara keseluruhan? Berapa banyak hal yang berhubungan dengan …

11 probability  statistical-significance  confidence-interval  conditional-probability  philosophical 

Katakanlah YYY adalah variabel acak kontinu, dan XXX adalah variabel diskrit. Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} Seperti yang kita ketahui, Pr(Y=y)=0Pr(Y=y)=0\Pr(Y=y) = 0 karena YYY adalah variabel acak kontinu. Dan berdasarkan ini, saya tergoda untuk menyimpulkan bahwa probabilitas Pr(X=x|Y=y)Pr(X=x|Y=y)\Pr(X=x|Y=y) tidak terdefinisi. Namun, Wikipedia mengklaim di sini bahwa sebenarnya didefinisikan sebagai berikut: …

11 conditional-probability  pdf 

The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan ti(x1) + ti(x2) + ti(x1, x2)mungkin menghasilkan (sedikit) hasil yang …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Menurut teorema Bayes, . Tetapi menurut teks ekonometrik saya, dikatakan bahwa . Kenapa seperti ini? Saya tidak mengerti mengapa diabaikan.P(y|θ)P(θ)=P(θ|y)P(y)P(y|θ)P(θ)=P(θ|y)P(y)P(y|\theta)P(\theta) = P(\theta|y)P(y)P(θ|y)∝P(y|θ)P(θ)P(θ|y)∝P(y|θ)P(θ)P(\theta|y) \propto P(y|\theta)P(\theta)P(y)P(y)P(y)

11 bayesian  conditional-probability  likelihood 

Misalkan XXX dan YYY adalah bivariat normal dengan rata-rata μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) dan kovarian Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . Berapa probabilitas Pr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?

10 probability  normal-distribution  conditional-probability 

\newcommand{\P}{\mathbb{P}} Saya melemparkan dadu yang adil. Setiap kali saya mendapat 1, 2, atau 3, saya menuliskan '1'; setiap kali saya mendapatkan 4 saya menuliskan '2'; setiap kali saya mendapatkan angka 5 atau 6, saya menuliskan angka '3.' Biarkan menjadi jumlah total lemparan yang saya butuhkan untuk produk dari semua angka …

10 probability  normal-distribution  conditional-probability  multinomial  distributions 

Buktikan / Tolak E[1A|Ft]=0 or 1 a.s. ⇒E[1A|Fs]=E[1A|Ft] a.s.E[1A|Ft]=0 or 1 a.s. ⇒E[1A|Fs]=E[1A|Ft] a.s.E[1_A | \mathscr{F_t}] = 0 \ \text{or} \ 1 \ \text{a.s.} \ \Rightarrow E[1_A | \mathscr{F_{s}}] = E[1_A | \mathscr{F_t}] \ \text{a.s.} Mengingat ruang probabilitas disaring (Ω,F,{Fn}n∈N,P)(Ω,F,{Fn}n∈N,P)(\Omega, \mathscr{F}, \{\mathscr{F}_n\}_{n \in \mathbb{N}}, \mathbb{P}) , biarkan A∈FA∈FA \in \mathscr{F} …

10 probability  conditional-probability  random-variable  filter