Als «stochastic-processes» getaggte Fragen

Ein stochastischer Prozess beschreibt die Entwicklung von Zufallsvariablen / -systemen über Zeit und / oder Raum und / oder einen anderen Indexsatz. Es hat Anwendungen in Bereichen wie Ökonometrie, Wetter, Signalverarbeitung usw. Beispiele - Gaußscher Prozess, Markov-Prozess usw.

1
Modifizieren der LBA-Simulation (Linear Ballistic Accumulator) in R.
Das "Linear Ballistic Accumulator" -Modell (LBA) ist ein ziemlich erfolgreiches Modell für menschliches Verhalten bei beschleunigten einfachen Entscheidungsaufgaben. Donkin et al (2009, PDF ) zur Verfügung stellt Code, erlaubt es, die Parameter des Modells gegeben menschliche Verhaltensdaten zu schätzen, und ich habe diesen Code kopiert (mit einigen kleineren Formatierungsänderungen) auf …
3
Was ist der Unterschied zwischen deterministischem und stochastischem Modell?
Einfaches lineares Modell: x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t wobei ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) mit undE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): Xt=αXt−1+ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} + \epsilon_t wobei ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) mit undE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=tσ2Var(x)=tσ2Var(x)=t\sigma^2 Ein einfaches lineares Modell wird also als deterministisches Modell angesehen, während ein AR (1) -Modell als stokahstisches Modell angesehen wird. …
1
Das Angelproblem
Angenommen, Sie möchten von 8 bis 20 Uhr am nahe gelegenen See angeln. Aufgrund von Überfischung wurde ein Gesetz eingeführt, das besagt, dass Sie nur einen Fisch pro Tag fangen dürfen. Wenn Sie einen Fisch fangen, können Sie ihn entweder behalten (und damit mit diesem Fisch nach Hause gehen) oder …
1
So testen Sie, ob der „vorherige Zustand“ Einfluss auf den „nachfolgenden Zustand“ in R hat
Stellen Sie sich eine Situation vor: Wir haben historische Aufzeichnungen (20 Jahre) von drei Minen. Erhöht das Vorhandensein von Silber die Wahrscheinlichkeit, im nächsten Jahr Gold zu finden? Wie teste ich eine solche Frage? Hier sind Beispieldaten: 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", …
1
Wie baue ich einen innovativen Ausreißer bei Beobachtung 48 in mein ARIMA-Modell ein?
Ich arbeite an einem Datensatz. Nachdem ich einige Modellidentifikationstechniken angewendet hatte, kam ich mit einem ARIMA (0,2,1) -Modell heraus. Ich habe die detectIOFunktion im Paket TSAin R verwendet, um bei der 48. Beobachtung meines ursprünglichen Datensatzes einen innovativen Ausreißer (IO) zu erkennen . Wie kann ich diesen Ausreißer in mein …
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 
1
Dichte von Robotern, die zufällige Schritte in einem unendlichen zufälligen geometrischen Diagramm ausführen
Betrachten Sie einen unendlichen zufälligen geometrischen Graphen, in dem die Knotenpositionen einem Poisson-Punkt-Prozess mit der Dichte folgen und Kanten zwischen den Knoten platziert werden, die näher als d sind . Daher folgt die Länge der Kanten dem folgenden PDF:ρρ\rhoddd f( l ) = { 2 ld2l ≤ d0l > df(l)={2ld2l≤d0l>d …
3
Die erwartete Anzahl von Münzwürfen wird N in Folge erhalten, wenn M in Folge gegeben wird
Interviewstreet hatte im Januar ihren zweiten CodeSprint, der die folgende Frage enthielt. Die programmatische Antwort wird veröffentlicht, enthält jedoch keine statistische Erklärung. (Sie können das ursprüngliche Problem und die veröffentlichte Lösung anzeigen, indem Sie sich mit Google Creds auf der Interviewstreet-Website anmelden und dann auf dieser Seite zum Coin Tosses-Problem …
1
R lineare Regression kategoriale Variable "versteckter" Wert
Dies ist nur ein Beispiel, auf das ich mehrmals gestoßen bin, daher habe ich keine Beispieldaten. Ausführen eines linearen Regressionsmodells in R: a.lm = lm(Y ~ x1 + x2) x1ist eine stetige Variable. x2ist kategorisch und hat drei Werte, z. B. "Niedrig", "Mittel" und "Hoch". Die von R gegebene Ausgabe …
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 
4
Wie interpretiere ich eine Überlebenskurve des Cox-Hazard-Modells?
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 <- 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 …
1
MLE eines multivariaten Hawkes-Prozesses
Ich habe Probleme mit der Implementierung des Maximum-Likelihood-Schätzers für einen multivariaten Hawkes-Prozess (HP). Während der analytische Ausdruck für eine Log-Likelihood-Funktion eines univariaten HP leicht online zu finden ist (z. B. Ozaki, 1979), scheint es unterschiedliche (inkonsistente oder äquivalente?) Versionen der Log-Likelihood-Funktion eines multivariaten HP zu geben dort draußen. Ich habe …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.