Statistiken und Big Data

4

Ich arbeite an einem Projekt, bei dem RFID-Tags gelesen und die Signalstärke verglichen werden, die der Leser sieht, wenn Sie die Antennenkonfiguration ändern (Anzahl der Antennen, Position usw.). Im Rahmen des Projekts muss ich die Setups vergleichen, um festzustellen, welche am effektivsten sind. Idealerweise könnte ich entweder einen ungepaarten t-Test …

11 data-transformation linear-model descriptive-statistics

3

Eigenschaften einer diskreten Zufallsvariablen

Mein Statistikkurs hat mir nur beigebracht, dass eine diskrete Zufallsvariable eine endliche Anzahl von Optionen hat ... das hatte ich nicht bemerkt. Ich hätte gedacht, wie eine Reihe von ganzen Zahlen könnte es unendlich sein. Das Googeln und Überprüfen mehrerer Webseiten, darunter einige aus Universitätskursen, hat dies nicht ausdrücklich bestätigt. …

11 random-variable discrete-data

2

Funktioniert der Satz von Mercer umgekehrt?

Ein Kollege hat eine Funktion sss und für unsere Zwecke ist es eine Blackbox. Die Funktion misst die Ähnlichkeit zweier Objekte.s(a,b)s(a,b)s(a,b) Wir wissen sicher, dass diese Eigenschaften hat:sss Die Ähnlichkeitswerte sind reelle Zahlen zwischen 0 und einschließlich 1. Nur die Objekte, die selbstidentisch sind, haben Punktzahlen von 1. Also impliziert …

11 kernel-trick distance similarities rbf-kernel

1

Was bedeutet "Variation"?

Bezieht sich die Verwendung von "Variation" immer auf die Optimierung durch Variationsinferenz? Beispiele: "Variations-Auto-Encoder" "Variations-Bayes'sche Methoden" "Variations-Renormierungsgruppe"

11 machine-learning optimization inference

2

Verständnis der Form des Konfidenzintervalls für die Polynomregression (MLR)

Ich habe Schwierigkeiten, die Form des Konfidenzintervalls einer Polynomregression zu erfassen. Hier ist ein künstliches Beispiel: . Die linke Abbildung zeigt das UPV (nicht skalierte Vorhersagevarianz) und das rechte Diagramm zeigt das Konfidenzintervall und die (künstlichen) gemessenen Punkte bei X = 1,5, X = 2 und X = 3.Y.^= a …

11 regression confidence-interval

1

Begrenzende Summe der iid Gamma-Variationen

Sei X1,X2,…X1,X2,…X_1,X_2,\ldots eine Folge von unabhängig und identisch verteilten Zufallsvariablen mit der Wahrscheinlichkeitsdichtefunktion; f(x)={12x2e−x0if x>0;otherwise.f(x)={12x2e−xif x>0;0otherwise. f(x) = \left\{ \begin{array}{ll} \frac{1}{2}x^2 e^{-x} & \mbox{if $x>0$};\\ 0 & \mbox{otherwise}.\end{array} \right. Zeigen Sie, dasslimn→∞P[X1+X2+…+Xn≥3(n−n−−√)]≥12limn→∞P[X1+X2+…+Xn≥3(n−n)]≥12\lim_{n\to \infty} P[X_1+X_2+\ldots+X_n\ge 3(n-\sqrt{n})] \ge \frac{1}{2} Was ich versucht habe Auf den ersten Blick dachte ich, es sollte Chebyshevs …

11 probability self-study

1

Asymptotische Normalität einer quadratischen Form

Lassen Sie xx\mathbf{x} ein Zufallsvektor aus gezeichnet sein PPP . Betrachten wir eine Probe . Definieren Sie und . Sei \ boldsymbol {\ mu}: = \ mathbb {E} _ {\ mathbf {x} \ sim P} [\ mathbf {x}] und C: = \ mathrm {cov} _ {\ mathbf {x} \ sim …

11 normality-assumption central-limit-theorem asymptotics quadratic-form

2

Wenn und unabhängige Normalvariablen mit jeweils dem Mittelwert Null sind, ist ebenfalls eine Normalvariable

Ich versuche die Aussage zu beweisen: Wenn und unabhängige Zufallsvariablen sind,X ∼ N ( 0 , σ 2 1 ) X∼N(0,σ21)X\sim\mathcal{N}(0,\sigma_1^2)Y ∼ N ( 0 , σ 2 2 )Y∼N(0,σ22)Y\sim\mathcal{N}(0,\sigma_2^2) dann ist X Y.√X 2 + Y 2XYX2+Y2√\frac{XY}{\sqrt{X^2+Y^2}} auch eine normale Zufallsvariable. Für den Sonderfall σ 1 = σ 2 …

11 self-study distributions mathematical-statistics normal-distribution random-variable

5

Verstecken eines Regressionsmodells vor Professor (Regressionsschlachtschiff) [geschlossen]

Geschlossen . Diese Frage erfordert Details oder Klarheit . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Fügen Sie Details hinzu und klären Sie das Problem, indem Sie diesen Beitrag bearbeiten . Geschlossen vor 2 Jahren . Ich arbeite an einer Hausaufgabe, bei der mein Professor möchte, dass …

11 self-study multiple-regression estimation linear-model

3

Die 100 Würfe erscheinen nicht mehr als 20 Mal

Ich versuche, mich mit diesem Problem zu beschäftigen. Ein Würfel wird 100 Mal gewürfelt. Wie hoch ist die Wahrscheinlichkeit, dass kein Gesicht mehr als 20 Mal erscheint? Mein erster Gedanke war die Verwendung der Binomialverteilung P (x) = 1 - 6 cmf (100, 1/6, 20), aber dies ist offensichtlich falsch, …

11 probability mathematical-statistics binomial dice

2

Bayes-Schätzer sind immun gegen Selektionsverzerrungen

Sind Bayes-Schätzer immun gegen Selektionsverzerrungen? Die meisten Veröffentlichungen, in denen die Schätzung in hoher Dimension erörtert wird, z. B. Daten zur gesamten Genomsequenz, werfen häufig das Problem der Selektionsverzerrung auf. Die Auswahlverzerrung ergibt sich aus der Tatsache, dass, obwohl wir Tausende potenzieller Prädiktoren haben, nur wenige ausgewählt werden und auf …

11 bayesian feature-selection bias unbiased-estimator conjugate-prior

2

Stärkung eines logistischen Regressionsmodells

Adaboost ist eine Ensemblemethode, die viele schwache Lernende zu einer starken kombiniert. Alle Beispiele von Adaboost, die ich gelesen habe, verwenden Entscheidungsstümpfe / -bäume als schwache Lernende. Kann ich in Adaboost verschiedene schwache Lernende verwenden? Wie kann beispielsweise Adaboost (im Allgemeinen Boosting) implementiert werden, um ein logistisches Regressionsmodell zu verbessern? …

11 logistic adaboost

3

Empfindlichkeit der Faltungsskala für neuronale Netze

Nehmen wir zum Beispiel an, wir erstellen einen Altersschätzer, der auf dem Bild einer Person basiert. Unten haben wir zwei Personen in Anzügen, aber die erste ist deutlich jünger als die zweite. (Quelle: tinytux.com ) Es gibt viele Merkmale, die dies implizieren, zum Beispiel die Gesichtsstruktur. Das aussagekräftigste Merkmal ist …

11 neural-networks computer-vision

1

Sollten Freiheitsgradkorrekturen verwendet werden, um auf GLM-Parameter zu schließen?

Diese Frage ist inspiriert von Martijns Antwort hier . Angenommen, wir passen ein GLM für eine Ein-Parameter-Familie wie ein Binomial- oder Poisson-Modell an und es handelt sich um ein Verfahren mit voller Wahrscheinlichkeit (im Gegensatz zu beispielsweise Quasipoisson). Dann ist die Varianz eine Funktion des Mittelwerts. Mit Binomial: und mit …

11 regression generalized-linear-model inference approximation t-distribution

2

Wird dies zu Verzerrungen bei Zufallszahlen führen?

Angenommen, eine Datendatei mit mehr als 80 Millionen Einsen und Nullen wird zufällig generiert. Aus dieser Datei möchten wir eine Liste von zufälligen Dezimalzahlen erstellen. Dies ist der Plan für diese Konvertierung. Teilen Sie die 80 Millionen Ziffern in Gruppen von 4 Binärziffern ein. Konvertieren Sie jede 4-stellige Binärdatei in …

11 monte-carlo random-generation randomness