Pertanyaan yang diberi tag «conditional-probability»

Probabilitas bahwa suatu peristiwa A akan terjadi, ketika peristiwa lain B diketahui terjadi atau telah terjadi. Biasanya dilambangkan dengan P (A | B).

3
Apa yang salah dengan bukti saya tentang Hukum Varians Total?
Menurut Hukum Varians Total, Var(X)=E(Var(X∣Y))+Var(E(X∣Y))Var⁡(X)=E⁡(Var⁡(X∣Y))+Var⁡(E⁡(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) Ketika mencoba membuktikannya, saya menulis Var(X)=E(X−EX)2=E{E[(X−EX)2∣Y]}=E(Var(X∣Y))Var⁡(X)=E⁡(X−E⁡X)2=E⁡{E⁡[(X−E⁡X)2∣Y]}=E⁡(Var⁡(X∣Y)) \begin{equation} \begin{aligned} \operatorname{Var}(X) &= \operatorname{E}(X - \operatorname{E}X)^2 \\ &= \operatorname{E}\left\{\operatorname{E}\left[(X - \operatorname{E}X)^2\mid Y\right]\right\} \\ &= \operatorname{E}(\operatorname{Var}(X\mid Y)) \end{aligned} \end{equation} Apakah ada yang salah?

2
Masalah lokomotif dengan berbagai ukuran perusahaan
Saya sedang mengerjakan Think Bayes (gratis di sini: http://www.greenteapress.com/thinkbayes/ ) dan saya sedang berolahraga 3.1. Berikut ringkasan masalahnya: "Sebuah kereta api memberi nomor lokomotifnya dalam urutan 1..N. Suatu hari kamu melihat lokomotif dengan nomor 60. Perkirakan berapa banyak lokomotif yang dimiliki kereta api." Solusi ini ditemukan dengan fungsi kemungkinan dan …

5
Turunkan P (C | A + B) dari dua aturan Cox
Saya bekerja dengan cara saya (belajar sendiri) melalui buku ET Jaynes ' Probability Theory - The Logic of Science Masalah Asli Latihan 2.1 mengatakan: "Apakah mungkin untuk menemukan formula umum untukp(C|A+B)p(C|A+B)p(C|A+B) analog dengan [rumusnya p(A+B|C)=p(A|C)+p(B|C)−p(AB|C)p(A+B|C)=p(A|C)+p(B|C)−p(AB|C)p(A+B|C)=p(A|C)+p(B|C)-p(AB|C)] dari produk dan aturan penjumlahan. Jika demikian, turunkan; jika tidak, jelaskan mengapa ini tidak bisa …

1
Harapan bersyarat dari derivasi RV terpotong, distribusi gumbel (perbedaan logistik)
Saya memiliki dua variabel acak yang independen dan terdistribusi secara identik, yaitu ϵ1,ϵ0∼iidGumbel ( μ , β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta): F( ϵ ) = exp( - exp( -ϵ - μβ) ) ,F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f( ϵ ) =1βexp( - (ϵ - μβ+ exp( -ϵ - μβ) ) ) .f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = …

1
Perhitungan Ekspektasi Bersyarat pada -algebras
Saya belum benar-benar melihat buku-buku probabilitas menghitung ekspektasi bersyarat, kecuali untuk -gebra yang dihasilkan oleh variabel acak diskrit. Mereka hanya menyatakan keberadaan harapan bersyarat, beserta sifat-sifatnya, dan membiarkannya begitu saja. Saya menemukan ini sedikit mengecewakan dan saya mencoba menemukan metode untuk menghitungnya. Inilah yang menurut saya "seharusnya".σσ\sigma Biarkan menjadi ruang …

1
Serangan Mars (probabilitas untuk menghancurkan pesawat ruang angkasa dengan rudal )
Misalkan Bumi telah diserang oleh pesawat ruang angkasa Mars dan anggaplah bahwa kita memiliki rudal untuk melepaskan melawan pesawat ruang angkasa. Probabilitas untuk mengenai dan menghancurkan setiap pesawat ruang angkasa oleh setiap rudal adalah (terlepas dari yang lain).nnnm=k⋅nm=k⋅nm=k \cdot nnnnppp Berapa probabilitas untuk menghancurkan semua pesawat ruang angkasa jika kita …


1
Kemungkinan kesalahan dalam penurunan probabilitas bersyarat
Berikut ini adalah turunan dari kepadatan dari kertas yang sedang saya pelajari. Maaf untuk kualitas buruk, ini kertas yang cukup tua. Saya perlu mengklarifikasi bahwa memiliki kerapatan eksponensial standar dalam , seragam pada dan mereka independen. Populasi koefisien korelasi adalah konstan saja. dan berasal dari distribusi normal bivariat standar, karenanya …

1
Kernel transisi Gibbs Sampler
Membiarkan ππ\pimenjadi target distribusi pada yang benar-benar secara kontinyu berkaitan dengan ukuran Lebesgue dimensional, yaitu:(Rd, B(Rd) )(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd ππ\pi mengakui kepadatan wrt untuk dengan π(x1, . . . ,xd)π(x1,...,xd)\pi(x_1,...,x_d)λdλd\lambda^dλd( dx1, . . . , dxd) = λ ( dx1) ⋅ ⋅ ⋅ λ ( dxd)λd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)\lambda^d(dx_1,...,dx_d) = \lambda(dx_1) \cdot \cdot \cdot \lambda …

2
Mengapa campuran konjugat penting?
Saya punya pertanyaan tentang campuran prior konjugat. Saya belajar dan mengatakan campuran beberapa konjugasi beberapa kali ketika saya belajar bayesian. Saya bertanya-tanya mengapa teorema ini sangat penting, bagaimana kita akan menerapkannya ketika kita melakukan analisis Bayesian. Untuk lebih spesifik, satu teorema dari Diaconis dan Ylivisaker 1985 mengilustrasikan teorema sebagai berikut: …

2
Teorema harapan total untuk proses Poisson
Saya memiliki dua proses Poisson independen dan dengan tingkat kedatangan dan . Sekarang, waktu yang diharapkan untuk kedatangan item berikutnya untuk proses penggabungan adalah .AAABBBλAλA\lambda_AλBλB\lambda_B1λA+λB1λA+λB\frac {1}{\lambda_A+\lambda_B} Menganggap sebagai waktu kedatangan untuk item selanjutnya dari proses gabungan, dan atau sebagai peristiwa di mana item-item tersebut berasal dari proses atau , menggunakan …

1
Kemungkinan untuk menggambar bola hitam dalam satu set bola hitam dan putih dengan kondisi penggantian campuran
Ketika bola hitam ditarik, itu tidak diganti dalam set, tetapi bola putih diganti. Saya telah memikirkan hal ini, dengan notasi: bbb , jumlah awal bola hitam dan putihwww xi=(b−i)/(b+w−i)xi=(b−i)/(b+w−i)x_i = (b - i)/(b + w - i) Probabilitas menggambar bola hitam Pb(n)Pb(n)Pb(n) setelah n menarik: Pb(0)Pb(1)Pb(2)Pb(n)=x0=(1−x0)x0+x0x1=(1−x0)2x0+x0x1(1−x0)+x0x1(1−x1)+x0x1x2=∑k=0n−1(∏i=0kxi∏i<=kn−k terms1−xi)Pb(0)=x0Pb(1)=(1−x0)x0+x0x1Pb(2)=(1−x0)2x0+x0x1(1−x0)+x0x1(1−x1)+x0x1x2Pb(n)=∑k=0n−1(∏i=0kxi∏i<=kn−k terms1−xi)\eqalign{ Pb(0) &= …

2
Mengapa model statistik cocok jika diberi set data yang sangat besar?
Proyek saya saat ini mungkin mengharuskan saya untuk membuat model untuk memprediksi perilaku sekelompok orang tertentu. set data pelatihan hanya berisi 6 variabel (id hanya untuk tujuan identifikasi): id, age, income, gender, job category, monthly spend di mana monthly spendadalah variabel respon. Tetapi dataset pelatihan berisi sekitar 3 juta baris, …
8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 


1
Interval kepercayaan saat menggunakan teorema Bayes
Saya menghitung beberapa probabilitas bersyarat, dan interval kepercayaan 95% yang terkait. Untuk banyak kasus saya, saya memiliki jumlah xkeberhasilan langsung dari npercobaan (dari tabel kontingensi), sehingga saya dapat menggunakan interval kepercayaan Binomial, seperti yang disediakan oleh binom.confint(x, n, method='exact')in R. Namun dalam kasus lain, saya tidak memiliki data seperti itu, …

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.