Pertanyaan yang diberi tag «self-study»

Latihan rutin dari buku teks, kursus, atau tes yang digunakan untuk kelas atau belajar mandiri. Kebijakan komunitas ini adalah untuk "memberikan petunjuk bermanfaat" untuk pertanyaan seperti itu daripada jawaban lengkap.

3
Neyman-Pearson lemma
Saya telah membaca lemma Neyman – Pearson dari buku Pengantar Teori Statistik oleh Mood, Graybill, dan Boes. Tapi saya belum mengerti lemma. Adakah yang bisa menjelaskan lemma kepada saya dengan kata-kata sederhana? Apa isinya? Neyman-Pearson Lemma: Misalkan X1,…,XnX1,…,XnX_1,\ldots,X_n menjadi sampel acak dari , di mana adalah salah satu dari dua …


1
Perbedaan antara model Hidden Markov dan Particle Filter (dan Kalman Filter)
Ini pertanyaan lama saya Saya ingin bertanya apakah seseorang mengetahui perbedaan (jika ada perbedaan) antara model Hidden Markov (HMM) dan Particle Filter (PF), dan sebagai konsekuensinya, Kalman Filter, atau dalam kondisi apa kami menggunakan algoritma mana. Saya seorang siswa dan saya harus melakukan proyek, tetapi pertama-tama saya harus memahami beberapa …


4
Bagaimana cara memproyeksikan vektor baru ke ruang PCA?
Setelah melakukan analisis komponen utama (PCA), saya ingin memproyeksikan vektor baru ke ruang PCA (yaitu menemukan koordinatnya dalam sistem koordinat PCA). Saya telah menghitung PCA dalam bahasa R menggunakan prcomp. Sekarang saya harus bisa mengalikan vektor saya dengan matriks rotasi PCA. Haruskah komponen utama dalam matriks ini disusun dalam baris …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 



2
Bagaimana Anda "mengendalikan" faktor / variabel?
Menurut pemahaman saya, "Kontrol" dapat memiliki dua arti dalam statistik. Kelompok kontrol: Dalam percobaan, tidak ada perawatan yang diberikan kepada anggota kelompok kontrol. Contoh: Placebo vs Obat: Anda memberikan obat ke satu kelompok dan bukan ke kelompok lain (kontrol), yang juga disebut sebagai "percobaan terkontrol". Kontrol untuk variabel: Teknik memisahkan …

2
Misalkan
Apa cara termudah untuk melihat bahwa pernyataan berikut ini benar? Misalkan Y1,…,Yn∼iidExp(1)Y1,…,Yn∼iidExp(1)Y_1, \dots, Y_n \overset{\text{iid}}{\sim} \text{Exp}(1) . Perlihatkan ∑ni=1(Yi−Y(1))∼Gamma(n−1,1)∑i=1n(Yi−Y(1))∼Gamma(n−1,1)\sum_{i=1}^{n}(Y_i - Y_{(1)}) \sim \text{Gamma}(n-1, 1) . Y(1)=min1≤i≤nYiY(1)=min1≤i≤nYiY_{(1)} = \min\limits_{1 \leq i \leq n}Y_i Dengan , ini berarti bahwa .X∼Exp(β)X∼Exp(β)X \sim \text{Exp}(\beta)fX(x)=1βe−x/β⋅1{x>0}fX(x)=1βe−x/β⋅1{x>0}f_{X}(x) = \dfrac{1}{\beta}e^{-x/\beta} \cdot \mathbf{1}_{\{x > 0\}} Mudah untuk melihat . …

1
Metode momen kedua, gerak Brown?
Biarkan menjadi gerakan Brown standar. Biarkan menunjukkan acara dan biarkan mana menunjukkan fungsi indikator. Apakah ada sedemikian rupa sehingga untuk untuk semua ? Saya kira jawabannya adalah ya; Saya sudah mencoba bermain-main dengan metode momen kedua, tetapi tidak banyak berhasil. Bisakah ini ditunjukkan dengan metode momen kedua? Atau haruskah saya …

1
Bukti formula LOOCV
Dari Pengantar Pembelajaran Statistik oleh James et al., Taksiran lintas-validasi silang (LOOCV) taksiran didefinisikan oleh mana .CV(n)=1n∑i=1nMSEiCV(n)=1n∑i=1nMSEi\text{CV}_{(n)} = \dfrac{1}{n}\sum\limits_{i=1}^{n}\text{MSE}_iMSEi=(yi−y^i)2MSEi=(yi−y^i)2\text{MSE}_i = (y_i-\hat{y}_i)^2 Tanpa bukti, persamaan (5.2) menyatakan bahwa untuk regresi kuadrat-terkecil atau polinomial (apakah ini berlaku untuk regresi hanya pada satu variabel tidak diketahui oleh saya), mana " berada yang th …


4
Apa intuisi di balik independensi dan , ?
Saya berharap seseorang dapat mengajukan argumen yang menjelaskan mengapa variabel acak dan , memiliki distribusi normal standar, secara statistik independen. Bukti untuk fakta itu dengan mudah mengikuti dari teknik MGF, namun saya merasa sangat kontra-intuitif.Y1=X2−X1Y1=X2−X1Y_1=X_2-X_1Y2=X1+X2Y2=X1+X2Y_2=X_1+X_2XiXiX_i Karena itu saya akan menghargai intuisi di sini, jika ada. Terima kasih sebelumnya. EDIT : …

9
Permintaan Referensi: Model Linear Umum
Saya mencari buku pengantar tingkat menengah tentang Generalized Linear Models. Idealnya, selain teori di balik model, saya ingin memasukkan aplikasi dan contoh dalam R atau bahasa pemrograman lain - Saya dengar SAS juga merupakan pilihan yang populer. Saya bermaksud mempelajarinya sendiri dan jadi akan membantu jika memberikan jawaban untuk latihannya …


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.