Als «self-study» getaggte Fragen

Sei eine Zufallsstichprobe aus der Gammaverteilung .G a m m a ( α , β )X1,...,XnX1,...,XnX_1,...,X_nGamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Sei und der Stichprobenmittelwert bzw. die Stichprobenvarianz. S2X¯X¯\bar{X}S2S2S^2 Dann beweisen oder widerlegen Sie, dass und unabhängig sind. S2/ ˉ X 2X¯X¯\bar{X}S2/X¯2S2/X¯2S^2/\bar{X}^2 Mein Versuch: Da , müssen wir die Unabhängigkeit überprüfen und , aber wie …

9 self-study  distributions  independence  gamma-distribution 

Wenn , finden Sie die Verteilung von Y = 2 X.X∼C(0,1)X∼C(0,1)X\sim\mathcal C(0,1) .Y=2X1−X2Y=2X1−X2Y=\frac{2X}{1-X^2} Wir haben FY(y)=Pr(Y≤y)FY(y)=Pr(Y≤y)F_Y(y)=\mathrm{Pr}(Y\le y) =Pr(2X1−X2≤y)=Pr(2X1−X2≤y)\qquad\qquad\qquad=\mathrm{Pr}\left(\frac{2X}{1-X^2}\le y\right) =⎧⎩⎨⎪⎪⎪⎪⎪⎪Pr(X∈(−∞,−1−1+y2√y])+Pr(X∈(−1,−1+1+y2√y]),ify&gt;0Pr(X∈(−1,−1+1+y2√y])+Pr(X∈(1,−1−1+y2√y]),ify&lt;0={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify&gt;0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify&lt;0\qquad\qquad=\begin{cases} \mathrm{Pr}\left(X\in\left(-\infty,\frac{-1-\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y>0\\ \mathrm{Pr}\left(X\in\left(-1,\frac{-1+\sqrt{1+y^2}}{y}\right]\right)+\mathrm{Pr}\left(X\in\left(1,\frac{-1-\sqrt{1+y^2}}{y}\right]\right),\text{if}\quad y<0 \end{cases} Ich frage mich, ob die obige Fallunterscheidung richtig ist oder nicht. Auf der anderen Seite scheint das Folgende eine einfachere Methode zu sein: Wir können …

9 self-study  distributions  mathematical-statistics  random-variable 

Ich hatte also einen Wahrscheinlichkeitstest und konnte diese Frage nicht wirklich beantworten. Es hat nur so etwas gefragt: "Wenn man bedenkt, dass eine Zufallsvariable ist, 0 , benutze die richtige Ungleichung, um zu beweisen, was höher oder gleich ist, E (X ^ 2) ^ 3 oder E (X ^ 3) …

9 probability  self-study  probability-inequalities 

Casella und Berger geben die Invarianzeigenschaft des ML-Schätzers wie folgt an: Es scheint mir jedoch, dass sie die "Wahrscheinlichkeit" von ηη\eta völlig ad hoc und unsinnig definieren: Wenn ich Grundregeln der Wahrscheinlichkeitstheorie auf den einfachen Fall anwende, in dem , erhalte ich stattdessen Folgendes: L ( η | x ) …

9 self-study  bayesian  maximum-likelihood  frequentist  invariance 

Beispiele: Ich habe einen Satz in der Stellenbeschreibung: "Java Senior Engineer in UK". Ich möchte ein Deep-Learning-Modell verwenden, um es als zwei Kategorien vorherzusagen: English und IT jobs. Wenn ich ein traditionelles Klassifizierungsmodell verwende, kann es nur 1 Etikett mit softmaxFunktion auf der letzten Ebene vorhersagen . Somit kann ich …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

In Wooldridges Introductory Econometrics gibt es ein Zitat: Das Argument, das die Normalverteilung für die Fehler rechtfertigt, lautet normalerweise ungefähr so: Da die Summe vieler verschiedener unbeobachteter Faktoren ist, die , können wir den zentralen Grenzwertsatz aufrufen, um zu schließen, dass u eine ungefähre Normalverteilung hat.uuuyyyuuu Dieses Zitat bezieht sich …

9 self-study  linear-model  econometrics  normality-assumption  central-limit-theorem 

Wie interpretieren Sie eine Überlebenskurve aus dem Cox-Proportional-Hazard-Modell? Nehmen wir in diesem Spielzeugbeispiel an, wir haben ein Cox-Proportional-Hazard-Modell für ageVariablen in kidneyDaten und generieren die Überlebenskurve. library(survival) fit &lt;- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Welche Aussage ist zum Zeitpunkt zum Beispiel wahr? oder sind beide falsch?200200200 Statement 1: Wir …

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 

Ich gehe die Probleme in den schriftlichen Aufgabenproblemen der Stanford NLP Deep Learning-Klasse durch http://cs224d.stanford.edu/assignment1/assignment1_soln Ich versuche die Antwort für 3a zu verstehen, wo sie nach der Ableitung zum Vektor für das Mittelwort suchen. Angenommen, Sie erhalten einen vorhergesagten Wortvektor , der dem Mittelwort c für das Sprunggramm entspricht, und …

9 self-study  neural-networks  backpropagation  word2vec 

Die Anzahl der Unfälle pro Tag ist eine Poisson-Zufallsvariable mit dem Parameter . An 10 zufällig ausgewählten Tagen wurde die Anzahl der Unfälle mit 1,0,1,1,2,0,2,0,0,1 beobachtet ein unvoreingenommener Schätzer von ?λλ\lambdaeλeλe^{\lambda} Ich habe versucht, dies auf folgende Weise zu versuchen: Wir wissen, dass , aber . Was wird dann der …

9 self-study  estimation  poisson-distribution 

Betrachten Sie den quadratischen Verlust , wobei vorher gegeben ist, wobei . Sei die Wahrscheinlichkeit. Finden Sie den Bayes-Schätzer .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ&gt;0f(x|θ)=θxθ−1I[0,1](x),θ&gt;0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Betrachten Sie den gewichteten quadratischen Verlust wobei mit dem vorherigen . Sei die Wahrscheinlichkeit. Finden Sie den Bayes-Schätzer .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ&gt;0f(x|θ)=θxθ−1I[0,1](x),θ&gt;0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Vergleiche undδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Zuerst bemerkte ich, dass …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Die Frage basiert auf dem Artikel mit dem Titel: Bildrekonstruktion in der diffusen optischen Tomographie unter Verwendung des gekoppelten Strahlungstransport-Diffusions-Modells Download-Link Die Autoren wenden EM-Algorithmus sparsity Regularisierung einer unbekannten Vektors die Pixel eines Bildes zu schätzen. Das Modell ist gegeben durchl1l1l_1μμ\mu y=Aμ+e(1)(1)y=Aμ+ey=A\mu + e \tag{1} Die Schätzung ist in Gleichung …

9 self-study  bayesian  maximum-likelihood  expectation-maximization  moving-average 

Angenommen, die Zufallsvariablen und sind unabhängig und -verteilt. Zeigen Sie, dass ein \ hat Text {Exp} (1) Verteilung.X.1, . . . , X.nX1,...,XnX_1, ... , X_nY.1, . . . , Y.nY1,...,YnY_1, ..., Y_nU.( 0 , a )U(0,a)U(0,a)Z.n= n logmax ( Y.( n ), X.( n ))min ( Y.( n ), …

9 self-study  data-transformation  order-statistics 

Dies ist tatsächlich eines der Probleme in Gujaratis 4. Ausgabe von Basic Econometrics (Q3.11) und besagt, dass der Korrelationskoeffizient in Bezug auf die Änderung von Ursprung und Maßstab, dh unveränderlich ist. = corr ( X , Y ) wobei a , b , c , d beliebige Konstanten sind.corr(aX+b,cY+d)=corr(X,Y)corr(aX+b,cY+d)=corr(X,Y)\text{corr}(aX+b, cY+d) …

9 self-study  correlation  linear-algebra  mathematical-statistics 

Ich habe versucht, die Ungleichung festzustellen |Ti|=∣∣Xi−X¯∣∣S≤n−1n−−√|Ti|=|Xi−X¯|S≤n−1n\left| T_i \right|=\frac{\left|X_i -\bar{X} \right|}{S} \leq\frac{n-1}{\sqrt{n}} Dabei ist der Stichprobenmittelwert und die Standardabweichung der Stichprobe, dh . SS=√X¯X¯\bar{X}SSSS=∑ni=1(Xi−X¯)2n−1−−−−−−−−−√S=∑i=1n(Xi−X¯)2n−1S=\sqrt{\frac{\sum_{i=1}^n \left( X_i -\bar{X} \right)^2}{n-1}} Es ist leicht zu erkennen, dass und so aber dies ist nicht sehr nahe an dem, wonach ich gesucht habe, und es …

9 self-study  descriptive-statistics  bounds 

Ich lese den nützlichen Wikipedia-Eintrag zum Gradienten-Boosting ( https://en.wikipedia.org/wiki/Gradient_boosting ) und versuche zu verstehen, wie / warum wir die Residuen durch den steilsten Abstiegsschritt (auch Pseudo-Gradient genannt) approximieren können ). Kann mir jemand die Intuition geben, wie der steilste Abstieg mit den Residuen verbunden / ähnlich ist? Hilfe sehr geschätzt!

9 self-study  gradient-descent