Statistiken und Big Data

1

Wie ist eine Chi-Quadrat-Verteilung eine Gamma-Verteilung, wenn sie nur einen Parameter hat?

Ich weiß, dass die Gamma- Verteilungsfamilie eine Zwei-Parameter-Familie ist, aber das Chi-Quadrat hat nur einen Parameter. Wie ist eine Chi-Quadrat-Verteilung eine Gamma-Verteilung, wenn sie nur einen Parameter hat?

7 chi-squared gamma-distribution

2

Was ist eine stationäre Zeitreihe? Was sind einige Beispiele?

In meiner ökonometrischen Klasse definierte mein Lehrer eine stationäre Zeitreihe folgendermaßen: "Eine Zeitreihe ist lose gesagt stationär, wenn sich ihre stochasitischen Eigenschaften und ihre zeitliche Abhängigkeitsstruktur im Laufe der Zeit nicht ändern." Ich bin verwirrt, was einige Beispiele wären. Wäre die Temperatur im Laufe der Jahre stationär, vorausgesetzt, es gibt …

7 time-series stationarity

2

Allgemeine Richtlinien zur Ableitung eines statistischen Hypothesentests?

Im Allgemeinen kann der Prozess des Hypothesentests in vier Schritte unterteilt werden: Formulieren Sie das praktische Problem anhand von Hypothesen. Berechnen Sie eine Statistik , eine Funktion nur aus den Daten. Alle guten Teststatistiken sollten zwei Eigenschaften haben: (a) Sie sollten dazu neigen, sich anders zu verhalten, wenn wahr ist, …

7 hypothesis-testing

2

Beweisen Sie anhand von Momenten, dass eine Verteilung symmetrisch ist

Gegeben ist eine Zufallsvariable X, deren Mittelwert, Varianz und viertes Zentralmoment 0, 2 bzw. 4 sind. Wie beweise ich das? (1) Der dritte Moment ist 0 (2) verteilen ist symmetrisch um 0 und (3) X ist begrenzt. Mit den obigen Informationen konnte ich nur feststellen, dass die Verteilung platykurtisch ist. …

7 self-study moments symmetry

2

Funktioniert die Varianz nur bei normalverteilten Daten (als Maß für die Streuung)?

Es heißt in Wikipedia Die Rolle der Normalverteilung im zentralen Grenzwertsatz ist teilweise für die Prävalenz der Varianz in Wahrscheinlichkeit und Statistik verantwortlich. Ich verstehe dies als Wenn wir Varianz / SD als Maß für die Streuung verwenden, suchen wir tatsächlich nach dem "Skalierungsparameter" einer Normalverteilung, da eine zufällige Zufallsvariable …

7 self-study normal-distribution variance

2

Zweck der L2-Normalisierung für das Triplett-Netzwerk

Triplett-basiertes Fernstudium zur Gesichtserkennung scheint sehr effektiv zu sein. Ich bin neugierig auf einen bestimmten Aspekt des Papiers. Um eine Einbettung für ein Gesicht zu finden, normalisieren die Autoren die verborgenen Einheiten mithilfe der L2-Normalisierung, wodurch die Darstellung auf einer Hypersphäre eingeschränkt wird. Warum ist das hilfreich oder notwendig?

7 neural-networks deep-learning normalization image-processing

1

Optimierung durch Stichproben

Im Internet habe ich vereinzelte Hinweise auf die Idee gesehen, eine Zielfunktion neu zu skalieren und diese als PDF zum Zwecke der Optimierung zu verwenden. (Auf dieser Website zum Beispiel: Werden Optimierungstechniken Stichprobenverfahren zugeordnet? ) Kann mich jemand auf einen Ort verweisen, an dem ich mehr über diese Methode erfahren …

7 sampling optimization pdf algorithms

1

Reduzierung der nichtlinearen Dimensionalität: geometrische / topologische Algorithmen im Vergleich zu Autoencodern

Soweit ich weiß, gibt es drei Hauptansätze zur Reduzierung der nichtlinearen Dimensionalität: Vielfältiges Lernen (geometrische / topologische Algorithmen wie ISOMAP, LLE, LTSA) Autoencoder Dinge, die nicht in die ersten beiden Kategorien passen (wahrscheinlichkeitsinspiriertes t-SNE, Kernel-PCA usw.) Was sind die Vor- und Nachteile der ersten beiden Ansätze? Kann man denken, dass …

7 machine-learning deep-learning dimensionality-reduction autoencoders manifold-learning

1

Verallgemeinerte lineare Modelle - Was ist das Besondere an der Exponentialfamilie?

In verallgemeinerten linearen Modellen muss die bedingte Verteilung der Antwortvariablen zur Exponentialfamilie gehören. Warum ist diese Einschränkung wichtig? Welche Eigenschaft würde ein Regressionsmodell verlieren, wenn wir eine Verteilung außerhalb der Exponentialfamilie wählen würden?

7 regression generalized-linear-model exponential-family

1

"Glätte" einer Statistik für Bootstrapping?

Ich habe mich gefragt, ob jemand erklären kann, was damit gemeint ist, dass eine Statistik nicht „glatt“ ist. Zum Beispiel in 2.6.2 p. 41 von Davison und Hinkley sprechen sie über Statistiken, die "auf ungleichmäßige oder instabile Weise von der Stichprobe abhängen, so dass die Standarderweiterungstheorie nicht anwendbar ist". Es …

7 bootstrap

2

Wahl zwischen additivem und multiplikativem Modell?

Ich habe eine Reihe von Daten, die ich gerade analysiere. Ich habe Schwierigkeiten zu entscheiden, ob ein additives Modell zur Vorhersage der Daten verwendet werden soll oder ob ich ein multiplikatives Modell verwenden soll . Ich kenne den Unterschied zwischen den beiden und kann das richtige Modell anwenden, wenn die …

7 time-series model-selection seasonality

1

Sind Vorhersagen aus der Bayes'schen Gaußschen Prozessregression normal verteilt?

Dies hängt nicht direkt mit meiner anderen Frage zusammen , obwohl das Thema dasselbe ist. Es ist höchstwahrscheinlich auch eine sehr triviale Frage, aber nehmen Sie sie mit :) Ich habe mit einem Kollegen über die Verwendung der Gaußschen Prozessregression gesprochen und er hat zwei Behauptungen aufgestellt, denen ich nicht …

7 regression bayesian gaussian-process

3

Welche Rolle spielt Feature Engineering bei der statistischen Inferenz?

Dies kann eine dumme Frage sein. Ich bin ein frischgebackener Hochschulabsolvent, der im Bereich der prädiktiven Modellierung arbeitet und feststellt, dass die Durchführung von Feature-Engineering einen hohen Stellenwert hat. In den meisten meiner akademischen Ausbildungen in Statistik wurde Feature Engineering und dergleichen (abgesehen von Argumenten gegen das Diskretisieren / Binning …

7 inference feature-construction

1

Mathematische Begründung für die Verwendung wiederkehrender neuronaler Netze über Feed-Forward-Netze

Ich habe mich gefragt und versucht zu verstehen, ob es einen mathematischen Grund für die Überlegenheit von RNNs gegenüber Feed-Forward-Netzwerken beim Umgang mit sequentiellen Daten gibt. Zum Beispiel beim Modellieren von Zeitreihen, HMMs usw. Angenommen, die Länge der Sequenz ist fest, aber sehr groß. Intuitiv ist klar, dass RNNs die …

7 machine-learning time-series neural-networks rnn

1

Lambda-Wert für die BoxCox-Transformation in der Zeitreihenanalyse

Ich habe die Online-Version von Forecasting gelesen : Prinzipien und Praxis von Rob J Hyndman und George Athanasopoulos. Ich habe diesen Satz über die STL-Zerlegung und die BoxCox-Transformation gefunden: "Eine Zerlegung zwischen additiv und multiplikativ kann unter Verwendung einer Box-Cox-Transformation der Daten mit 0 <λ <1 erhalten werden. Ein Wert …

7 time-series data-transformation