Statistiques et Big Data

Q & A pour les personnes intéressées par les statistiques, l'apprentissage automatique, l'analyse de données, l'exploration de données et la visualisation de données

1
pouvez-vous me montrer explicitement la première itération du score de newton-raphson et des pêcheurs?
J'essaie de comprendre la différence entre la Newton-Raphsontechnique et la Fisher scoringtechnique en calculant la première itération pour chaque méthode pour un Bernoulliéchantillon. (Je sais que dans ce cas, je peux calculer explicitement et immédiatement mais je veux le faire de manière itérative juste pour comprendre et voir comment chaque …
2
Où puis-je obtenir des informations sur les relations entre les distributions de probabilités dans les statistiques?
Je m'intéresse aux relations entre les distributions. Comme «La somme des variables aléatoires exponentielles est une variable aléatoire gamma. Certaines distributions conditionnelles sont une autre distribution, etc. » J'ai recherché wikipedia et google mais il n'y a que des résumés, non spécifiquement prouvés ou expliqués. Je veux connaître les relations …
3
Vous sélectionnez au hasard deux entiers distincts entre 1 et 100. Quelle est la probabilité que le plus grand nombre soit exactement le double du plus petit?
J'ai récemment passé un test HackerRank pour un poste en Data Science et j'ai mal répondu à cette question. Je suis venu 1/200. Voici comment: Il y a 50 combinaisons qui rendront cela vrai. (c'est-à-dire {1,2}, {2,4}, {3,6} ... {50,100}). La probabilité qu'un nombre spécifique soit choisi est 1/100. La …
1
Montrer que ont une distribution normale
Soit et indépendants. Montrer que ont une distribution normale et trouver les paramètres de cette distribution.Y1∼SN(μ1,σ21,λ)Y1∼SN(μ1,σ12,λ)Y_1\sim SN(\mu_1,\sigma_1^2,\lambda)Y2∼N(μ2,σ22)Y2∼N(μ2,σ22)Y_2\sim N(\mu_2,\sigma_2^2)Y1+Y2Y1+Y2Y_1+Y_2 Comme les variables aléatoires sont indépendantes, j'ai essayé d'utiliser la convolution. SoitZ=Y1+Y2Z=Y1+Y2Z=Y_1+Y_2 fZ(z)=∫∞−∞2ϕ(y1|μ1,σ1)Φ(λ(y1−μ1σ1))ϕ(z−y1|μ2,σ22)dy1fZ(z)=∫−∞∞2ϕ(y1|μ1,σ1)Φ(λ(y1−μ1σ1))ϕ(z−y1|μ2,σ22)dy1f_Z(z)=\int_{-\infty}^{\infty}2\phi(y_1|\mu_1,\sigma_1)\Phi\Big(\lambda(\frac{y_1-\mu_1}{\sigma_1})\Big)\phi(z-y_1|\mu_2,\sigma_2^2)\,\text{d}y_1 Ici et sont respectivement les pdf et cdf normaux standard.ϕ()ϕ()\phi()Φ()Φ()\Phi() fZ(z)=∫∞−∞212πσ1−−−−√12πσ2−−−−√exp(−12σ21(y1−μ)2−12σ22((z−y1)2−μ)2)Φ(λ(y1−μ1σ1))dy1fZ(z)=∫−∞∞212πσ112πσ2exp(−12σ12(y1−μ)2−12σ22((z−y1)2−μ)2)Φ(λ(y1−μ1σ1))dy1f_Z(z)=\int_{-\infty}^{\infty}2\frac{1}{\sqrt{2\pi\sigma_1}}\frac{1}{\sqrt{2\pi\sigma_2}}exp\Big(-\frac{1}{2\sigma_1^2}(y_1-\mu)^2-\frac{1}{2\sigma_2^2}((z-y_1)^2-\mu)^2\Big)\Phi\Big(\lambda(\frac{y_1-\mu_1}{\sigma_1})\Big)\,\text{d}y_1 Pour les notations simplifiées, soitk = 212 πσ1√12 …
1
Définition de la régression
De Wikipédia: En modélisation statistique, l' analyse de régression est un processus statistique permettant d'estimer les relations entre les variables. Il comprend de nombreuses techniques de modélisation et d'analyse de plusieurs variables, lorsque l'accent est mis sur la relation entre une variable dépendante et une ou plusieurs variables indépendantes (ou …
3
Comment dois-je interpréter ce tracé résiduel?
Je n'arrive pas à interpréter ce graphique. Ma variable dépendante est le nombre total de billets de cinéma qui seront vendus pour un spectacle. Les variables indépendantes sont le nombre de jours restants avant le spectacle, les variables factices saisonnières (jour de la semaine, mois de l'année, vacances), le prix, …
1
Des manuels sur la reproduction de l'approche spatiale du noyau Hilbert pour l'apprentissage automatique?
Question: Quelqu'un connaît-il des manuels introduisant l'apprentissage automatique (pour la première fois) via l' approche spatiale du noyau de reproduction Hilbert ? C'est-à-dire, qui supposent l'analyse fonctionnelle comme condition préalable, mais ne supposent pas une connaissance préalable de l'apprentissage automatique? Tout article d'enquête serait une seconde proche. Aucun document de …
2
Lors de l'approximation d'un postérieur à l'aide de MCMC, pourquoi ne sauvegardons-nous pas les probabilités postérieures mais utilisons-nous ensuite les fréquences des valeurs des paramètres?
J'évalue actuellement les paramètres d'un modèle défini par plusieurs équations différentielles ordinaires (ODE). J'essaie ceci avec une approche bayésienne en approximant la distribution postérieure des paramètres étant donné certaines données en utilisant la chaîne de Markov Monte Carlo (MCMC). Un échantillonneur MCMC génère une chaîne de valeurs de paramètres où …
1
Une formation gourmande en couche profonde des réseaux profonds est-elle nécessaire pour un entraînement réussi ou la descente de gradient stochastique est-elle suffisante?
Est-il possible d'obtenir des résultats de pointe en utilisant uniquement la rétro-propagation (sans pré-formation )? Ou est-ce pour que toutes les approches battant des records utilisent une certaine forme de pré-formation? La rétropropagation est-elle suffisante à elle seule?
2
VAR en niveaux pour les données cointégrées
J'ai lu un article qui exprime que les "travaux récents" montrent que nous pouvons utiliser un modèle VAR avec des données brutes I (1) mais il doit y avoir cointégration. Cela signifie qu'il n'y a aucune raison de différencier les données pour la modélisation VAR. Une référence papier à ce …
1
Distribution asymptotique d'échantillons censurés de
Soit la statistique d'ordre d'un échantillon iid de taille de . Supposons que les données soient censurées afin que nous ne voyions que le haut des données, c'est-à-direMettez , quelle est la distribution asymptotique de X(1),…,X(n)X(1),…,X(n)X_{(1)}, \ldots, X_{(n)}nnnexp(λ)exp⁡(λ)\exp(\lambda)(1−p)×100(1−p)×100(1-p) \times 100%X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X_{(\lfloor p n \rfloor )}, X_{(\lfloor p n\rfloor + 1)}, \ldots, …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.