Pertanyaan yang diberi tag «self-study»

Diberikan adalah 6 batas keputusan di bawah ini. Batas keputusan adalah garis violett. Dots dan crosses adalah dua set data yang berbeda. Kita harus memutuskan yang mana adalah: SVM linear Kernelized SVM (kernel polinomial pesanan 2) Perceptron Regresi logistik Neural Network (1 lapisan tersembunyi dengan 10 unit linear yang diperbaiki) …

17 machine-learning  self-study  classification  neural-networks  svm 

Mengapa "deret waktu" disebut seperti itu? Seri berarti jumlah suatu urutan. Mengapa seri waktu, bukan urutan waktu? Apakah waktu merupakan variabel independen?

17 time-series  self-study  references  terminology 

Pertimbangkan proses AR (2) berpusat rata-rata mana adalah proses white noise standar. Demi kesederhanaan, izinkan saya menelepon dan \ phi_ {2} = a . Berfokus pada akar persamaan karakteristik yang saya dapatkan z_ {1,2} = \ frac {-b \ pm \ sqrt {b ^ 2 + 4a}} {2a} Kondisi klasik …

17 self-study  stationarity  arma 

Saya tahu bahwa β0^=y¯−β1^x¯β0^=y¯−β1^x¯\hat{\beta_0}=\bar{y}-\hat{\beta_1}\bar{x} dan sejauh ini yang saya dapatkan ketika saya menghitung varians: Var(β0^)=Var(y¯−β1^x¯)=Var((−x¯)β1^+y¯)=Var((−x¯)β1^)+Var(y¯)=(−x¯)2Var(β1^)+0=(x¯)2Var(β1^)+0=σ2(x¯)2∑i=1n(xi−x¯)2Var(β0^)=Var(y¯−β1^x¯)=Var((−x¯)β1^+y¯)=Var((−x¯)β1^)+Var(y¯)=(−x¯)2Var(β1^)+0=(x¯)2Var(β1^)+0=σ2(x¯)2∑i=1n(xi−x¯)2\begin{align*} Var(\hat{\beta_0}) &= Var(\bar{y} - \hat{\beta_1}\bar{x}) \\ &= Var((-\bar{x})\hat{\beta_1}+\bar{y}) \\ &= Var((-\bar{x})\hat{\beta_1})+Var(\bar{y}) \\ &= (-\bar{x})^2 Var(\hat{\beta_1}) + 0 \\ &= (\bar{x})^2 Var(\hat{\beta_1}) + 0 \\ &= \frac{\sigma^2 (\bar{x})^2}{\displaystyle\sum\limits_{i=1}^n (x_i - \bar{x})^2} \end{align*} tapi itu sejauh yang …

17 regression  self-study 

Misalkan menjadi variabel acak yang saling independen, masing-masing memiliki distribusi gamma dengan parameter menunjukkan bahwa , memiliki pembagian bersama sebagaiX1,…,Xk+1X1,…,Xk+1X_1,\dots,X_{k+1}αi,i=1,2,…,k+1αi,i=1,2,…,k+1\alpha_i,i=1,2,\dots,k+1Yi=XiX1+⋯+Xk+1,i=1,…,kYi=XiX1+⋯+Xk+1,i=1,…,kY_i=\frac{X_i}{X_1+\cdots+X_{k+1}},i=1,\dots,kDirichlet(α1,α2,…,αk;αk+1)Dirichlet(α1,α2,…,αk;αk+1)\text{Dirichlet}(\alpha_1,\alpha_2,\dots,\alpha_k;\alpha_{k+1}) Pdf gabungan dari Lalu untuk menemukan gabungan pdf dari Saya tidak dapat menemukan jacobian yaitu J (\ frac {x_1, \ dots, x_ {k + 1}} {y_1, \ dots, y_ {k …

17 self-study  multivariate-analysis  gamma-distribution  dirichlet-distribution 

Jelaskan secara singkat Apa yang dimaksud dengan interpolasi. Bagaimana ini terkait dengan konsep regresi? interpolasi adalah seni membaca di antara garis-garis sebuah tabel dan dalam matematika dasar, istilah itu biasanya menunjukkan proses penghitungan nilai-nilai perantara dari suatu fungsi dari sekumpulan nilai tabular yang diberikan atau fungsi tersebut. Saya tidak bisa …

17 regression  self-study  interpolation 

Saat ini saya sedang membaca "Semua Statistik" karya Larry Wasserman dan bingung dengan sesuatu yang ditulisnya dalam bab tentang memperkirakan fungsi statistik model nonparametrik. Dia menulis "Kadang-kadang kita dapat menemukan kesalahan standar estimasi fungsi statistik dengan melakukan beberapa perhitungan. Namun dalam kasus lain tidak jelas bagaimana memperkirakan kesalahan standar". Saya …

16 self-study  estimation  bootstrap  standard-error 

Misalkan YYY menunjukkan median dan misalkan ˉ XX¯\bar{X} menunjukkan rata-rata, dari sampel acak berukuran n = 2 k + 1n=2k+1n=2k+1 dari distribusi yaitu N ( μ , σ 2 )N(μ,σ2)N(\mu,\sigma^2) . Bagaimana saya bisa menghitung E ( Y | ˉ X = ˉ x )E(Y|X¯=x¯)E(Y|\bar{X}=\bar{x}) ? Secara intuitif, karena asumsi …

16 self-study  normal-distribution  mathematical-statistics  expected-value  conditional-expectation 

Tidak yakin apakah normalisasi adalah kata yang tepat untuk digunakan di sini, tetapi saya akan mencoba yang terbaik untuk menggambarkan apa yang ingin saya tanyakan. Estimator yang digunakan di sini adalah kuadrat terkecil. Misalkan Anda memiliki y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , Anda dapat memusatkannya di sekitar rata-rata dengan y=β′0+β1x′1y=β0′+β1x1′y=\beta_0'+\beta_1x_1' mana β′0=β0+β1x¯1β0′=β0+β1x¯1\beta_0'=\beta_0+\beta_1\bar x_1 dan …

16 regression  self-study  least-squares  regression-coefficients 

Adakah buku bagus yang menjelaskan konsep penting teori probabilitas seperti fungsi distribusi probabilitas dan fungsi distribusi kumulatif? Tolong, hindari merujuk buku-buku seperti "Statistik Matematika dan Analisis Data" oleh John Rice yang dimulai dengan konsep permutasi sederhana dan kemudian, tiba-tiba (dalam bab 2) mengambil lompatan dengan asumsi pengetahuan dalam analisis nyata, …

16 probability  self-study  distributions  references  theory 

Saya memiliki model linier klasik, dengan 5 kemungkinan regresi. Mereka tidak berkorelasi satu sama lain, dan memiliki korelasi yang cukup rendah dengan respons. Saya telah sampai pada model di mana 3 dari regressor memiliki koefisien signifikan untuk statistik t mereka (p <0,05). Menambahkan salah satu atau kedua dari 2 variabel …

16 r  regression  self-study  linear-model 

Dalam pengenalan pola buku dan pembelajaran mesin (rumus 1.27), itu memberi di manax=g(y),px(x)adalah pdf yang sesuai denganpy(y)py(y)=px(x)∣∣∣dxdy∣∣∣=px(g(y))|g′(y)|py(y)=px(x)|dxdy|=px(g(y))|g′(y)|p_y(y)=p_x(x) \left | \frac{d x}{d y} \right |=p_x(g(y)) | g'(y) |x=g(y)x=g(y)x=g(y)px(x)px(x)p_x(x)py(y)py(y)p_y(y) sehubungan dengan perubahan variabel. Buku-buku mengatakan itu karena pengamatan jatuh dalam kisaran akan, untuk nilai-nilai kecil δ x , ditransformasikan menjadi kisaran ( …

15 machine-learning  probability  self-study  derivative  jacobian 

Misalkan X1,X2,...,XnX1,X2,...,XnX_1, X_2,...,X_n menjadi iid dari N(μ,σ2)N(μ,σ2)N(\mu,\sigma^2) dengan μ∈Rμ∈R\mu \in \mathcal R dan σ 2 > 0 yang tidak diketahuiσ2>0σ2>0\sigma^2>0 Biarkan Z=X1−X¯S,Z=X1−X¯S,Z=\frac{X_1-\bar{X}}{S},S adalah standar deviasi di sini. Dapat ditunjukkan bahwa ZZZ memiliki Lebesgue pdf f(z)=n−−√Γ(n−12)π−−√(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n√)(|Z|)f(z)=nΓ(n−12)π(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n)(|Z|)f(z)=\frac{\sqrt{n} \Gamma\left(\frac{n-1}{2}\right)}{\sqrt{\pi}(n-1)\Gamma\left(\frac{n-2}{2}\right)}\left[1-\frac{nz^2}{(n-1)^2}\right]^{n/2-2}I_{(0,(n-1)/\sqrt{n})}(|Z|) Pertanyaan saya lalu bagaimana cara mendapatkan pdf ini? Pertanyaannya adalah dari sini dalam contoh …

15 self-study  umvue 

Saya baru-baru ini membeli sumber data wawancara sains di mana salah satu pertanyaan probabilitas adalah sebagai berikut: Diberikan draw dari distribusi normal dengan parameter yang diketahui, bagaimana Anda bisa mensimulasikan draw dari distribusi yang seragam? Proses pemikiran asli saya adalah bahwa, untuk variabel acak diskrit, kita dapat memecah distribusi normal …

15 self-study  normal-distribution  simulation  uniform 

Tes permutasi (juga disebut tes pengacakan, uji pengacakan ulang, atau tes yang tepat) sangat berguna dan berguna ketika asumsi distribusi normal yang diperlukan misalnya, t-testtidak terpenuhi dan ketika transformasi nilai dengan peringkat dari tes non-parametrik seperti Mann-Whitney-U-testakan menyebabkan lebih banyak informasi hilang. Namun, satu dan hanya satu asumsi yang tidak …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information