Pertanyaan yang diberi tag «self-study»

Misalkan menjadi statistik urutan sampel iid ukuran dari . Misalkan data disensor sehingga kita hanya melihat bagian atas persen dari data, yaituLetakkan , apa distribusi asimptotik dari X(1),…,X(n)X(1),…,X(n)X_{(1)}, \ldots, X_{(n)}nnnexp(λ)exp⁡(λ)\exp(\lambda)(1−p)×100(1−p)×100(1-p) \times 100%X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X_{(\lfloor p n \rfloor )}, X_{(\lfloor p n\rfloor + 1)}, \ldots, X_{(n)}\,.m=⌊pn⌋m=⌊pn⌋m = \lfloor p n \rfloor (X(m),∑ni=m+1X(i)(n−m))?(X(m),∑i=m+1nX(i)(n−m))? \left(X_{(m)}, …

8 self-study  mathematical-statistics  exponential  asymptotics  order-statistics 

Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya …

8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 

Saya memiliki masalah, yang tidak dapat saya lanjutkan. Bisakah seseorang membantu saya memulai? Y1&lt;Y2&lt;Y3Y1&lt;Y2&lt;Y3Y_1<Y_2<Y_3 : Statistik pesanan ukuran 3 dari distribusi yang memiliki pdf Juga, tentukan Tugasnya adalah untuk menghitung pdf gabungan dari .f(x)=2x 0&lt;x&lt;1f(x)=2x 0&lt;x&lt;1 f(x)=2x\ \ \ 0<x<1U1=Y1Y2 and U2=Y2Y3U1=Y1Y2 and U2=Y2Y3U_1={Y_1\over Y_2} \ \ \text{and }\ \ …

8 self-study  independence  joint-distribution  order-statistics 

Saya telah diberi tabel dan , yang sedemikian rupa sehingga jumlah x_i memberi tahu jumlah anak yang dimiliki semua orang .x=(0,1,2,3,4,5,6)x=(0,1,2,3,4,5,6)x=(0,1,2,3,4,5,6)y=(3062,587,284,103,33,4,2)y=(3062,587,284,103,33,4,2)y=(3062,587,284,103,33,4,2)xixix_iyiyiy_i Saya diminta untuk menyesuaikan distribusi Poisson untuk ini. Apa artinya cocok dengan distribusi Poisson untuk ini? Di sini, p.8: http://www.stats.ox.ac.uk/ ~ marchini/teaching/L5/L5.notes.pdf dikatakan bahwa pemasangan Poisson melibatkan penghitungan P(X=x)P(X=x)P(X=x) …

8 self-study  distributions  maximum-likelihood  fitting 

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 …

8 probability  self-study  distributions  random-variable  beta-distribution 

Saat ini saya membaca sebuah makalah yang mengklaim bahwa koefisien korelasi untuk distribusi seragam di bagian dalam elips fX, Y( x , y) = {konstan0jika ( x , y ) di dalam elips jika tidakfX,Y(x,y)={konstanjika (x,y) di dalam elips0jika tidakf_{X,Y} (x,y) = \begin{cases}\text{constant} & \text{if} \ (x,y) \ \text{inside the …

8 probability  self-study  distributions  correlation  uniform 

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 …

8 probability  self-study  distributions  conditional-probability  cdf 

Diberikan model: y=β0+β1⋅f+uy=β0+β1⋅f+u y = \beta_0 + \beta_1 \cdot f + u Di mana adalah dummy jika betina dan sebaliknya, y adalah tinggi dalam cm. Ukuran sampel adalah secara total. Selanjutnya dan . Hitung estimasi parameter.fff=1=1=1000nfemale=nmale=100→200nfemale=nmale=100→200n_{female}=n_{male}=100 \rightarrow 200y¯male=175y¯male=175\bar{y}_{male} = 175y¯female=165y¯female=165\bar{y}_{female}=165 Usaha saya: Menggunakan rumus well know: β^=(X′X)−1X′yβ^=(X′X)−1X′y \boldsymbol{\hat{\beta}} = (\boldsymbol{X}'\boldsymbol{X})^{-1} …

8 self-study  least-squares 

Pertanyaan ini dari Pengantar Robert Hogg untuk Statistik Matematika 6 versi pertanyaan 7.6.7. Masalahnya adalah : Biarkan sampel acak ukuran diambil dari distribusi dengan pdfnnnf(x;θ)=(1/θ)exp(−x/θ)I(0,∞)(x)f(x;θ)=(1/θ)exp⁡(−x/θ)I(0,∞)(x)f(x;\theta)=(1/\theta)\exp(-x/\theta)\mathbb{I}_{(0,\infty)}(x) Temukan MLE dan MVUE .P(X≤2)P(X≤2)P(X \le 2) Saya tahu cara menemukan MLE. Saya pikir ide untuk menemukan MVUE adalah menggunakan Rao-Blackwell dan Lehmann dan Scheffe. …

8 self-study  exponential-family  umvue  rao-blackwell 

Latihan: Ada dadu 6 sisi yang adil dan koin bias yang memiliki probabilitas p&gt; 0 untuk muncul di setiap lemparan. Mati akan sering digulung tak terbatas, dan setiap kali Anda menggulung 6, Anda kemudian melemparkan koin. Buktikan bahwa dengan probabilitas 1, Anda sering melempar "kepala" tanpa batas. Sekarang, saya mendapatkan …

8 probability  self-study  proof  theory 

Dalam Pengantar Pembelajaran Statistik (James et al.), Di bagian 3.7 latihan 5, ini menyatakan bahwa rumus untuk dengan asumsi regresi linier tanpa intersep adalah mana dan adalah perkiraan yang biasa digunakan dalam OLS untuk regresi linier sederhana ( ).β^1β^1\hat{\beta}_1β^1=∑i = 1nxsayaysaya∑i = 1nx2saya,β^1=∑saya=1nxsayaysaya∑saya=1nxsaya2,\hat{\beta}_1 = \dfrac{\displaystyle\sum\limits_{i=1}^{n}x_iy_i}{\displaystyle \sum\limits_{i=1}^{n}x_i^2}\text{,}β^0=y¯-β^1x¯β^0=y¯-β^1x¯\hat{\beta}_0 = \bar{y}-\hat{\beta}_1\bar{x}β^1=Sx ySx xβ^1=SxySxx\hat{\beta}_1 …

8 self-study  least-squares 

Elemen Pembelajaran Statistik (ESL) adalah buku yang memiliki luas dan kedalaman fantastis. Ini mencakup penting untuk metode yang sangat modern dengan mengutip makalah di mana studi asli ini terjadi. Namun, saya benar-benar menemukan bahasa buku itu sangat sangat mahal. Saya percaya ada cara yang lebih mudah untuk membahas konsep. Saya …

8 self-study  statistical-learning 

Misalkan saya tahu cara membuat Variabel Acak Binomial independen. Bagaimana saya bisa menghasilkan dua variabel acakXXX dan YYY seperti yang X∼Bin(8,23),Y∼Bin(18,23) and Corr(X,Y)=0.5X∼Bin(8,23),Y∼Bin(18,23) and Corr(X,Y)=0.5X\sim \text{Bin}(8,\dfrac{2}{3}),\quad Y\sim \text{Bin}(18,\dfrac{2}{3})\ \text{ and }\ \text{Corr}(X,Y)=0.5 Saya berpikir untuk mencoba menggunakan fakta itu XXX dan Y−ρXY−ρXY-\rho X independen di mana ρ=Corr(X,Y)ρ=Corr(X,Y)\rho=Corr(X,Y) tapi saya tidak …

8 self-study  correlation  multivariate-analysis  binomial  simulation 

Saya memiliki data yang menggambarkan seberapa sering suatu peristiwa berlangsung selama satu jam ("angka per jam", nph) dan berapa lama acara berlangsung ("durasi dalam detik per jam", dph). Ini adalah data asli: nph &lt;- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, 15.3750000002237, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Christopher Bishop mendefinisikan nilai yang diharapkan dari fungsi kemungkinan log data lengkap (yaitu dengan asumsi bahwa kita diberikan data yang dapat diamati X serta data laten Z) sebagai berikut: EZ[lnp(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){lnπk+lnN(xn∣ μk,Σk)}(1)(1)EZ[ln⁡p(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){ln⁡πk+ln⁡N(xn∣ μk,Σk)} \mathbb{E}_\textbf{Z}[\ln p(\textbf{X},\textbf{Z} \mid \boldsymbol{\mu}, \boldsymbol{\Sigma}, \boldsymbol{\pi})] = \sum_{n=1}^N \sum_{k=1}^K \gamma(z_{nk})\{\ln \pi_k + \ln \mathcal{N}(\textbf{x}_n \mid \ \boldsymbol{\mu}_k, \boldsymbol{\Sigma}_k)\} …

8 self-study  maximum-likelihood  expected-value  convergence  expectation-maximization