Statistiques et Big Data

1

Combien de fois dois-je lancer un dé pour évaluer son équité en toute confiance?

(Excuses à l'avance pour l'utilisation du langage profane plutôt que du langage statistique.) Si je veux mesurer les chances de lancer chaque côté d'un dé physique à six faces spécifique à +/- 2% près avec une certitude raisonnable, combien de rouleaux d'échantillons seraient nécessaires? c'est-à-dire combien de fois aurais-je besoin …

22 probability inference pdf dice

4

Pourquoi la moyenne a-t-elle tendance à être plus stable dans différents échantillons que la médiane?

La section 1.7.2 de Découvrir les statistiques à l'aide de R par Andy Fields, et tout, tout en énumérant les vertus de la moyenne par rapport à la médiane, indique: ... la moyenne a tendance à être stable dans différents échantillons. Ceci après avoir expliqué les nombreuses vertus de la …

22 mean median

1

Pourquoi la fonction de coût des réseaux de neurones n'est-elle pas convexe?

Il y a un fil similaire ici (la fonction de coût du réseau de neurones n'est pas convexe? ) Mais je n'ai pas pu comprendre les points dans les réponses et ma raison de demander à nouveau en espérant que cela clarifiera certains problèmes: Si j'utilise la fonction de somme …

22 machine-learning neural-networks optimization loss-functions convex

7

Les différences entre des nombres uniformément distribués sont-elles uniformément distribuées?

Nous lançons un dé à 6 faces un grand nombre de fois. En calculant la différence (valeur absolue) entre un rouleau et son rouleau précédent, les différences devraient-elles être uniformément réparties? Pour illustrer avec 10 rouleaux: roll num result diff 1 1 0 2 2 1 3 1 1 4 …

22 distributions uniform

1

Rétropropagation de dégradé via des connexions de saut ResNet

Je suis curieux de savoir comment les gradients sont propagés en retour à travers un réseau de neurones à l'aide de modules ResNet / sauter les connexions. J'ai vu quelques questions sur ResNet (par exemple, un réseau de neurones avec des connexions de couche de saut ), mais celui-ci pose …

22 machine-learning neural-networks conv-neural-network gradient-descent backpropagation

7

Les cartes thermiques sont-elles «l'un des types de visualisation de données les moins efficaces»?

Question: Quand (pour quels types de problèmes de visualisation des données) les cartes thermiques sont-elles les plus efficaces? (En particulier, plus efficace que toutes les autres techniques de visualisation possibles?) Quand les cartes thermiques sont-elles les moins efficaces? Existe-t-il des modèles ou des règles générales communs que l'on peut utiliser …

22 data-visualization heatmap

2

Existe-t-il un

Ayant inclus un modèle de régression quantile dans un article, les examinateurs veulent que j'inclue ajusté dans l'article. J'ai calculé les pseudo- R 2 (d' après l'article JASA de Koenker et Machado en 1999 ) pour les trois quantiles d'intérêt pour mon étude.R2R2R^2R2R2R^2 Cependant, je n'ai jamais entendu parler d'un …

22 goodness-of-fit r-squared quantile-regression

3

Relu vs Sigmoid vs Softmax en tant que neurones de couche cachés

Je jouais avec un simple réseau neuronal avec une seule couche cachée, par Tensorflow, puis j'ai essayé différentes activations pour la couche cachée: Relu Sigmoïde Softmax (enfin, habituellement softmax est utilisé dans la dernière couche ..) Relu offre la meilleure précision de train et précision de validation. Je ne sais …

22 machine-learning neural-networks conv-neural-network tensorflow sigmoid-curve

4

L'estimateur du maximum de vraisemblance sans biais est-il toujours le meilleur estimateur sans biais?

Je sais que pour les problèmes réguliers, si nous avons un meilleur estimateur régulier sans biais, ce doit être l'estimateur du maximum de vraisemblance (MLE). Mais en général, si nous avons un MLE sans biais, serait-ce aussi le meilleur estimateur sans biais (ou peut-être devrais-je l'appeler UMVUE, tant qu'il a …

22 mathematical-statistics maximum-likelihood unbiased-estimator

6

Paradoxe de la valeur moyenne - Comment cela s'appelle-t-il?

J'ai un ensemble de données. Dites 10dix10 observations et variables:333 obs A B C 1 0 0 1 2 0 1 0 3 1 0 1 4 1 1 0 5 1 0 1 6 1 0 0 7 1 1 0 8 0 0 1 9 0 1 1 …

22 proportion descriptive-statistics paradox

5

Lorsque A et B sont des variables positivement liées, peuvent-elles avoir un effet opposé sur leur variable de résultat C?

A est positivement lié à B. C est le résultat de A et B, mais l'effet de A sur C est négatif et l'effet de B sur C est positif. Cela peut-il arriver?

22 regression correlation

4

Pourquoi les méthodes bayésiennes ne nécessitent-elles pas plusieurs corrections de test?

Andrew Gelman a écrit un article détaillé sur les raisons pour lesquelles les tests bayésiens AB ne nécessitent pas de correction d'hypothèses multiples: pourquoi nous n'avons (habituellement) pas à nous inquiéter des comparaisons multiples , 2012. Je ne comprends pas très bien: pourquoi les méthodes bayésiennes ne nécessitent-elles pas plusieurs …

22 hypothesis-testing bayesian multiple-comparisons

4

Quel est le nom de ce graphique montrant les taux positifs faux et vrais et comment est-il généré?

L'image ci-dessous montre une courbe continue des taux de faux positifs par rapport aux taux véritablement positifs: Cependant, ce que je ne comprends pas immédiatement, c'est comment ces taux sont calculés. Si une méthode est appliquée à un ensemble de données, elle a un certain taux de FP et un …

22 machine-learning data-visualization roc auc

3

Pourquoi utiliser la descente de gradient avec des réseaux de neurones?

Lors de la formation d'un réseau neuronal à l'aide de l'algorithme de rétropropagation, la méthode de descente en gradient est utilisée pour déterminer les mises à jour du poids. Ma question est la suivante: Plutôt que d'utiliser la méthode de descente en gradient pour localiser lentement le point minimum par …

22 neural-networks gradient-descent backpropagation

2

Comment dériver la fonction de vraisemblance de la distribution binomiale pour l'estimation des paramètres?

Selon Miller and Freund's Probability and Statistics for Engineers, 8ed (pp.217-218), la fonction de vraisemblance à maximiser pour la distribution binomiale (essais de Bernoulli) est donnée comme suit : L(p)=∏ni=1pxi(1−p)1−xiL(p)=∏i=1npxi(1−p)1−xiL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} Comment arriver à cette équation? Cela me semble assez clair concernant les autres distributions, Poisson et Gaussienne; L(θ)=∏ni=1PDF …

22 estimation maximum-likelihood bernoulli-distribution point-estimation