Eine typische Bildverarbeitungsstatistik ist die Verwendung von Haralick-Texturmerkmalen (14). Ich wundere mich über das 14. dieser Merkmale: Bei gegebener Adjazenzkarte (die wir einfach als empirische Verteilung von zwei ganzen Zahlen i , j < 256 betrachten können ) ist sie definiert als: die Quadratwurzel des zweiten Eigenwerts von Q , …
Geschlossen . Diese Frage basiert auf Meinungen . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage, damit sie durch Bearbeiten dieses Beitrags mit Fakten und Zitaten beantwortet werden kann . Geschlossen vor 5 Monaten . Hintergrund Ich habe über StatProb.com aus einem Kommentar in …
Was ist der beste Weg, um für zwei gegebene ganze Zahlen zu approximieren wenn Sie den Mittelwert , die Varianz , die Schiefe und die überschüssige Kurtosis einer diskreten Verteilung und aus den (Nicht-Null-) Maßen der Form und dass eine normale Annäherung nicht angemessen ist?Pr[n≤X≤m]Pr[n≤X≤m]Pr[n \leq X \leq m]m,nm,nm,nμμ\muσ2σ2\sigma^2γ1γ1\gamma_1γ2γ2\gamma_2XXXγ1γ1\gamma_1γ2γ2\gamma_2 Normalerweise …
Für zwei diskrete Verteilungen und ist die Kreuzentropie definiert alspppqqq H(p,q)=−∑xp(x)logq(x).H(p,q)=−∑xp(x)logq(x).H(p,q)=-\sum_x p(x)\log q(x). Ich frage mich, warum dies ein intuitives Maß für den Abstand zwischen zwei Wahrscheinlichkeitsverteilungen wäre. Ich sehe, dass die Entropie von , die die "Überraschung" von misst . ist das Maß, das teilweise durch . Ich verstehe …
Ich weiß also, wenn wir die Wahrscheinlichkeitsverteilung einer Summe unabhängiger Zufallsvariablen , können wir sie aus den Wahrscheinlichkeitsverteilungen von X und Y berechnen , indem wir sagenX.+ Y.X+YX + YX.XXY.YY fX.+ Y.( a ) = ∫∞x = - ∞fX., Y.( X.= x , Y.= a - x ) d x …
Hier ist "Weight of Evidence" (WOE) ein gebräuchlicher Begriff in der veröffentlichten wissenschaftlichen und politischen Literatur, der am häufigsten im Zusammenhang mit der Risikobewertung verwendet wird. w(e:h)=logp(e|h)p(e|h¯¯¯)w(e:h)=logp(e|h)p(e|h¯)w(e : h) = \log\frac{p(e|h)}{p(e|\overline{h})} wo Beweis ist, ist h Hypothese.eeehhh Jetzt möchte ich wissen, was der Hauptunterschied zu PMI ist (punktuelle gegenseitige Information). …
Wie definiere ich die Verteilung einer Zufallsvariablen so, dass eine Ziehung aus eine Korrelation mit , wobei eine einzelne Ziehung aus einer Verteilung mit der kumulativen Verteilungsfunktion ? YYYYYYρρ\rhox1x1x_1x1x1x_1FX(x)FX(x)F_{X}(x)
Ist diese separate Art der Verteilung (EX: Binomial, Bernoulli, Multinomial) oder kann jede Verteilung auf diese Weise dargestellt werden. Kann jemand mit einfachem Beispiel näher darauf eingehen
Regen lernt nie, deshalb ist sie mittelfristig völlig ahnungslos, obwohl es nur aus Ja / Nein-Fragen besteht. Glücklicherweise erlaubt Rain's Professor ihr, die gleiche Halbzeit so oft zu wiederholen, wie sie will, aber er meldet nur die Punktzahl, sodass Rain nicht weiß, welche Probleme sie falsch gemacht hat. Wie kann …
Die Antwort hier hat mich sehr fasziniert . Ich hätte gerne eine Erklärung für Laien, was negative Wahrscheinlichkeiten bedeuten könnten und ihre Anwendung, möglicherweise anhand von Beispielen. Was würde es zum Beispiel bedeuten, wenn ein Ereignis nach diesen erweiterten Wahrscheinlichkeitsmaßen eine Wahrscheinlichkeit von -10% hätte?
Betrachten Sie einen Erdos-Renyi- Zufallsgraphen . Die Menge von Eckpunkten ist mit . Der Satz von Kanten wird durch einen zufälligen Prozess konstruiert.n V V = { 1 , 2 , ... , n } EG=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p))nnnVVVV={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\}EEE Sei eine Wahrscheinlichkeit , dann tritt jedes ungeordnete Paar von Eckpunkten ( …
Axiomatisch ist die Wahrscheinlichkeit eine Funktion , die jedem Ereignis A eine reelle Zahl P ( A ) zuweist, wenn sie die drei Grundannahmen erfüllt (Kolmogorovs Annahmen):PPPP(A)P(A)P(A)AAA P(A)≥0 for everyAP(A)≥0 for everyAP(A) \geq 0 \ \text{for every} A P(Ω)=1P(Ω)=1P(\Omega) = 1 If A1,A2,⋯are disjoint, thenP(⋃∞i=1Ai)=∑i=1∞P(Ai)If A1,A2,⋯are disjoint, thenP(⋃i=1∞Ai)=∑i=1∞P(Ai)\text{If} \ A_1, …
Angenommen, wir haben 3 Zufallsvariablen und kennen die paarweise Randverteilung , aber wir wissen nichts anderes (wie z als bedingte Unabhängigkeit). Können wir die gemeinsame Verteilung ?X1,X2,X3X1,X2,X3X_1,X_2,X_3P(X1,X2),P(X2,X3),P(X3,X1)P(X1,X2),P(X2,X3),P(X3,X1)P(X_1,X_2), P(X_2,X_3), P(X_3,X_1)P(X1,X2,X3)P(X1,X2,X3)P(X_1,X_2,X_3)
In Baby-Namensforen wiederholen potenzielle Eltern ständig eine Version ihrer Angst vor Jennifer: "Ich möchte nicht, dass mein Kind mit seinem Namen eines von fünf in seiner Klasse ist." Die Sache ist, dass kein Name mehr dieser Popularität nahe kommt, und selbst auf dem Höhepunkt des Jennifer-Wahnsinns haben Sie nicht fünf …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.