Pertanyaan yang diberi tag «exponential»

Distribusi yang menggambarkan waktu antara peristiwa dalam proses Poisson; analog kontinu dari distribusi geometrik.

3
Regresi dengan data miring
Mencoba menghitung jumlah kunjungan dari demografi dan layanan. Data sangat miring. Histogram: plot qq (kiri adalah log): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) citydan servicemerupakan variabel faktor. Saya mendapatkan nilai p rendah *** untuk semua variabel, tapi saya juga mendapatkan r-kuadrat rendah 0,05. Apa yang harus saya lakukan? Apakah model …

2
Statistik pesanan (mis., Minimum) koleksi tak terbatas dari varian chi-square?
Ini adalah pertama kalinya saya di sini, jadi tolong beri tahu saya jika saya dapat mengklarifikasi pertanyaan saya dengan cara apa pun (termasuk pemformatan, tag, dll.). (Dan mudah-mudahan saya dapat mengedit nanti!) Saya mencoba mencari referensi, dan mencoba menyelesaikan sendiri menggunakan induksi, tetapi gagal pada keduanya. Saya mencoba menyederhanakan distribusi …

1
R / mgcv: Mengapa produk tensor () dan ti () menghasilkan permukaan yang berbeda?
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 

3
Berarti distribusi eksponensial terbalik
Diberikan variabel acak , apa maksud dan varians dari ?Y= Ex p ( λ )Y=Exp(λ)Y = Exp(\lambda)G = 1YG=1YG=\dfrac{1}{Y} Saya melihat Inverse Gamma Distribution, tetapi rerata dan varians masing-masing hanya didefinisikan untuk dan ...α > 1α>1\alpha>1α > 2α>2\alpha>2

1
Apakah MLE
Misalkan (X,Y)(X,Y)(X,Y) memiliki pdf fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Karenanya kepadatan sampel (X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} diambil dari populasi ini gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} Estimasi kemungkinan maksimum θθ\theta dapat diturunkan sebagai θ^( X , Y ) = X¯¯¯¯Y¯¯¯¯---√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} Saya ingin …

1
Apa distribusi rasio spasi dan sampel mean?
Misalkan menjadi sampel variabel acak eksponensial iid dengan mean , dan misalkan menjadi statistik pesanan dari sampel ini. Biarkan .X1, ... , XnX1,...,XnX_1,\dots,X_nββ\betaX( 1 ), ... , X( n )X(1),...,X(n)X_{(1)},\dots,X_{(n)}X¯=1n∑ni=1XiX¯=1n∑saya=1nXsaya\bar X = \frac{1}{n}\sum_{i=1}^n X_i Tentukan jarakDapat ditunjukkan bahwa setiap juga eksponensial, dengan rata-rata .Wi=X(i+1)−X(i) ∀ 1≤i≤n−1.Wsaya=X(saya+1)-X(saya) ∀ 1≤saya≤n-1.W_i=X_{(i+1)}-X_{(i)}\ \forall\ 1 …


2
Bagaimana membandingkan rata-rata dua sampel yang datanya sesuai dengan distribusi eksponensial
Saya memiliki dua sampel data, sampel awal, dan sampel perawatan. Hipotesisnya adalah bahwa sampel perlakuan memiliki rata-rata yang lebih tinggi daripada sampel awal. Kedua sampel berbentuk eksponensial. Karena datanya agak besar, saya hanya memiliki rata-rata dan jumlah elemen untuk setiap sampel pada saat saya akan menjalankan tes. Bagaimana saya bisa …

1
Mengoreksi untuk keputusan jam didistribusikan secara normal
Saya memiliki percobaan yang dijalankan pada ratusan komputer yang didistribusikan di seluruh dunia yang mengukur kejadian peristiwa tertentu. Peristiwa masing-masing bergantung satu sama lain sehingga saya dapat memesannya dalam urutan yang meningkat dan kemudian menghitung perbedaan waktu. Peristiwa harus didistribusikan secara eksponensial tetapi ketika merencanakan histogram inilah yang saya dapatkan: …

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 

1
Cakupan yang lebih rendah dari yang diharapkan untuk sampel penting dengan simulasi
Aku mencoba untuk menjawab pertanyaan Evaluasi terpisahkan dengan Pentingnya sampel metode dalam R . Pada dasarnya, pengguna perlu menghitung ∫π0f( x ) dx =∫π01cos( x)2+x2dx∫0πf(x)dx=∫0π1cos⁡(x)2+x2dx\int_{0}^{\pi}f(x)dx=\int_{0}^{\pi}\frac{1}{\cos(x)^2+x^2}dx menggunakan distribusi eksponensial sebagai distribusi kepentingan q( x ) = λ exp- λ xq(x)=λ exp-λxq(x)=\lambda\ \exp^{-\lambda x} dan temukan nilai yang memberikan perkiraan yang lebih …

1
Cara menghitung fungsi kemungkinan
Seumur hidup 3 komponen elektronik adalah dan . Variabel acak telah dimodelkan sebagai sampel acak berukuran 3 dari distribusi eksponensial dengan parameter . Fungsi likelihood adalah, untukX1=3,X2=1.5,X1=3,X2=1.5,X_{1} = 3, X_{2} = 1.5,X3=2.1X3=2.1X_{3} = 2.1θθ\thetaθ>0θ>0\theta > 0 x = ( 2 , 1.5 , 2.1 )f3(x|θ)=θ3exp(−6.6θ)f3(x|θ)=θ3exp(−6.6θ)f_{3}(x|\theta) = \theta^{3} exp(-6.6\theta) , di …

1
Bagaimana cara membandingkan acara yang diamati dengan yang diharapkan?
Misalkan saya punya satu sampel frekuensi dari 4 peristiwa yang mungkin: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 dan saya memiliki probabilitas yang diharapkan dari peristiwa saya terjadi: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Dengan jumlah frekuensi yang diamati …
9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

2
Hitung kurva ROC untuk data
Jadi, saya memiliki 16 percobaan di mana saya mencoba untuk mengotentikasi seseorang dari sifat biometrik menggunakan Hamming Distance. Ambang batas saya diatur ke 3.5. Data saya di bawah dan hanya percobaan 1 yang Benar-Benar Positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

1
Jumlah kombinasi linear dari produk eksponensial adalah eksponensial
Masalah ini telah muncul dalam penelitian saya: anggaplah bahwa adalah distribusi eksponensial (ED) iid dengan mean dan biarkan menjadi nomor non-negatif. Benarkah Ini melewati pemeriksaan kewarasan, karena nilai yang diharapkan dari kedua belah pihak sama dengan , dan jika kita membiarkan , maka sisi kiri sama dengan , yang eksponensial. …

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.