Pertanyaan yang diberi tag «information-geometry»

Presisi didefinisikan sebagai: p = true positives / (true positives + false positives) Apakah benar bahwa, sebagai true positivesdan false positivespendekatan 0, presisi mendekati 1? Pertanyaan yang sama untuk diingat: r = true positives / (true positives + false negatives) Saat ini saya sedang menerapkan tes statistik di mana saya …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

Saya menguasai bidang statistik dan saya disarankan untuk belajar diferensial geometri. Saya akan lebih senang mendengar tentang aplikasi statistik untuk geometri diferensial karena ini akan membuat saya termotivasi. Adakah yang tahu aplikasi untuk geometri diferensial dalam statistik?

19 mathematical-statistics  information-geometry 

Saya membandingkan dua distribusi dengan KL divergence yang mengembalikan saya nomor non-standar yang, menurut apa yang saya baca tentang ukuran ini, adalah jumlah informasi yang diperlukan untuk mengubah satu hipotesis menjadi yang lain. Saya punya dua pertanyaan: a) Apakah ada cara untuk mengukur divergensi KL sehingga memiliki interpretasi yang lebih …

14 distributions  kullback-leibler  information-geometry 

Saya datang di besar tubuh sastra yang menganjurkan menggunakan Informasi Fisher metrik sebagai metrik lokal alami di ruang distribusi probabilitas dan kemudian mengintegrasikan lebih dari itu untuk menentukan jarak dan volume. Tetapi apakah jumlah "terintegrasi" ini sebenarnya berguna untuk apa saja? Saya tidak menemukan pembenaran teoretis dan sedikit sekali aplikasi …

13 model-selection  information-geometry 

(Saya memposting pertanyaan serupa di math.se. ) Dalam geometri informasi, penentu matriks informasi Fisher adalah bentuk volume alami pada manifold statistik, sehingga memiliki interpretasi geometris yang bagus. Fakta bahwa itu muncul dalam definisi sebelumnya Jeffreys, misalnya, terkait dengan invariannya di bawah reparametrizations, yang (imho) properti geometris. Tapi apa yang menentukan …

12 variance  information-theory  fisher-information  information-geometry 

Pada posting ini , Anda dapat membaca pernyataan: Model biasanya diwakili oleh titik θθ\theta pada manifold dimensi terbatas. Pada Diferensial Geometri dan Statistik oleh Michael K Murray dan John W Rice konsep-konsep ini dijelaskan dalam prosa dapat dibaca bahkan mengabaikan ekspresi matematika. Sayangnya, hanya ada sedikit ilustrasi. Hal yang sama …

12 distributions  manifold-learning  information-geometry  topologies 

Pertanyaan ini berkaitan dengan makalah Diferensial Geometri Keluarga Kurva Eksponensial-Lengkung dan Kehilangan Informasi oleh Amari. Teksnya sebagai berikut. Biarkan menjadi manifold dimensi dari distribusi probabilitas dengan sistem koordinat , di mana diasumsikan ...n θ = ( θ 1 , … , θ n ) p θ ( x ) > …

10 mathematical-statistics  statistical-learning  geometry  information-geometry