Pertanyaan yang diberi tag «stochastic-processes»

Model "Linear Ballistic Accumulator" (LBA) adalah model yang agak berhasil untuk perilaku manusia dalam tugas keputusan cepat yang dipercepat. Donkin et al (2009, PDF ) menyediakan kode yang memungkinkan memperkirakan parameter model yang diberikan data perilaku manusia, dan saya telah menyalin kode ini (dengan beberapa perubahan format kecil) ke intisari …

11 r  stochastic-processes 

Model Linier Sederhana: x = α t + ϵtx=αt+ϵtx=\alpha t + \epsilon_t mana ~ iid N ( 0 , σ 2 )ϵtϵt\epsilon_tN( 0 , σ2)N(0,σ2)N(0,\sigma^2) dengan danV a r ( x ) = σ 2E( x ) = α tE(x)=αtE(x) = \alpha tVa r ( x ) = σ2Var(x)=σ2Var(x)=\sigma^2 AR …

11 regression  stochastic-processes  autoregressive  deterministic 

Proses benar-benar diam jika distribusi gabungan sama dengan distribusi gabungan untuk semua m , untuk semua k dan untuk semua t_1, t_2, ..., t_m .X t 1 , X t 2 , . . . , X t m X t 1 + k , X t 2 + k …

11 time-series  autocorrelation  stochastic-processes  stationarity 

Misalkan Anda ingin pergi memancing di danau terdekat dari jam 8 pagi - 8 malam. Karena penangkapan ikan yang berlebihan, sebuah undang-undang telah diberlakukan yang mengatakan Anda hanya dapat menangkap satu ikan per hari. Ketika Anda menangkap ikan, Anda dapat memilih untuk menyimpannya (dan dengan demikian pulang bersama ikan itu), …

10 stochastic-processes  optimal-stopping 

Bayangkan sebuah situasi: Kami memiliki catatan sejarah (20 tahun) dari tiga tambang. Apakah kehadiran perak meningkatkan kemungkinan menemukan emas di tahun depan? Bagaimana cara menguji pertanyaan seperti itu? Berikut ini contoh data: mine_A <- c("silver","rock","gold","gold","gold","gold","gold", "rock","rock","rock","rock","silver","rock","rock", "rock","rock","rock","silver","rock","rock") mine_B <- c("rock","rock","rock","rock","silver","rock","rock", "silver","gold","gold","gold","gold","gold","rock", "silver","rock","rock","rock","rock","rock") mine_C <- c("rock","rock","silver","rock","rock","rock","rock", "rock","silver","rock","rock","rock","rock","silver", "gold","gold","gold","gold","gold","gold") time <- seq(from …

10 r  time-series  hypothesis-testing  stochastic-processes 

Saya sedang mengerjakan kumpulan data. Setelah menggunakan beberapa teknik identifikasi model, saya keluar dengan model ARIMA (0,2,1). Saya menggunakan detectIOfungsi dalam paket TSAdalam R untuk mendeteksi outlier inovatif (IO) pada pengamatan ke-48 set data asli saya. Bagaimana cara memasukkan pencilan ini ke dalam model saya sehingga saya dapat menggunakannya untuk …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Pertimbangkan grafik geometrik acak tak terbatas di mana lokasi simpul mengikuti proses titik Poisson dengan kerapatan dan ujung-ujungnya ditempatkan di antara simpul yang lebih dekat daripada d . Oleh karena itu, panjang tepi mengikuti PDF berikut:ρρ\rhoddd f(l)={2ld2l≤d0l>df(l)={2ld2l≤d0l>d f(l)= \begin{cases} \frac{2 l}{d^2} \;\quad l \le d \\ 0 \qquad\; l > …

10 probability  stochastic-processes  pdf  asymptotics  graph-theory 

Interviewstreet memiliki CodeSprint kedua pada bulan Januari yang mencakup pertanyaan di bawah ini. Jawaban terprogram diposting tetapi tidak termasuk penjelasan statistik. (Anda dapat melihat masalah asli dan memposting solusi dengan masuk ke situs web Interviewstreet dengan kredibilitas Google dan kemudian membuka masalah Coin Tosses dari halaman ini .) Tosses Koin …

10 probability  stochastic-processes  markov-process 

Apakah ada yang punya contoh yang bagus dari proses stokastik yang stasioner urutan 2, tetapi tidak sepenuhnya stasioner?

10 time-series  stochastic-processes  stationarity 

Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan menjadi seperti: …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Bagaimana Anda menginterpretasikan kurva survival dari model hazard proporsional cox? Dalam contoh mainan ini, anggaplah kita memiliki model hazard proporsional cox pada agevariabel dalam kidneydata, dan menghasilkan kurva survival. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Misalnya, pada waktu , pernyataan mana yang benar? atau keduanya salah?200200200 Pernyataan …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Pertimbangkan proses acak yang berarti ada, dan konstan, untuk semua waktu , yaitu untuk semua waktu dan waktu bergeser (atau "lag") . Saya tidak memaksakan kondisi lebih lanjut pada momen yang lebih tinggi atau pada fungsi distribusi. Bagaimana saya bisa menggambarkan proses seperti itu? Ini hanya diam dalam arti lebih …

9 time-series  terminology  stationarity  stochastic-processes 

Saya berjuang dengan menerapkan penduga kemungkinan maksimum untuk proses Hawkes multivarian (HP). Secara khusus, sementara ekspresi analitik untuk fungsi log-likelihood dari HP univariat dapat ditemukan dengan mudah secara online (mis. Ozaki, 1979), tampaknya ada versi yang berbeda (tidak konsisten atau setara?) Dari fungsi log-likelihood dari HP multivarian. di luar sana. …

9 maximum-likelihood  stochastic-processes  likelihood 

Untuk pertama kalinya (alasan ketidaktepatan / kesalahan) saya melihat proses Gaussian , dan lebih khusus lagi, menonton video ini oleh Nando de Freitas . Catatan tersedia online di sini . Pada titik tertentu ia menggambar sampel acak dari normal multivariat yang dihasilkan dengan membuat matriks kovarians berdasarkan pada kernel Gaussian …

8 machine-learning  simulation  stochastic-processes  gaussian-process 

Gerak Brown dikonstruksi sebagai batas jumlah kenaikan Gaussian. Bisakah seseorang menggunakan distribusi non-Gaussian stable (mis. Distribusi Cauchy), dan masih membangun sebuah proses? Apakah parameter skala dari proses semacam itu berkembang sesuai dengan rumus ?αα\alphact=t1 / αct=t1/αc_t = t^{1/\alpha}

8 stochastic-processes  brownian  stable-distribution