Approximations de distributions, de fonctions ou d'autres objets mathématiques. Approcher quelque chose signifie en trouver une représentation plus simple à certains égards, mais pas exacte.
Existe-t-il des formules bien connues pour les statistiques d'ordre de certaines distributions aléatoires? En particulier, les statistiques du premier et du dernier ordre d’une variable aléatoire normale, mais une réponse plus générale serait également appréciée. Edit: Pour clarifier, je cherche des formules approximatives qui peuvent être plus ou moins explicitement …
Dans les statistiques bayésiennes, il est souvent mentionné que la distribution postérieure est intraitable et donc une inférence approximative doit être appliquée. Quels sont les facteurs qui provoquent cette intraitabilité?
Soit X1X1X_1 et deux iidrv où . Je voudrais connaître la distribution pour .X2X2X_2log(X1),log(X2)∼N(μ,σ)log(X1),log(X2)∼N(μ,σ)\log(X_1),\log(X_2) \sim N(\mu,\sigma)X1−X2X1−X2X_1 - X_2 Le mieux que je puisse faire est de prendre la série Taylor des deux et de faire en sorte que la différence soit la somme de la différence entre deux VR normaux …
Récemment, il y a eu une question de type ML sur cstheory stackexchange, et j'ai posté une réponse recommandant la méthode de Powell, la descente de gradient, les algorithmes génétiques ou autres "algorithmes d'approximation". Dans un commentaire, quelqu'un m'a dit que ces méthodes étaient des "heuristiques" et non des "algorithmes …
Après avoir effectué l'analyse des composants principaux (PCA), je souhaite projeter un nouveau vecteur sur l'espace PCA (c'est-à-dire trouver ses coordonnées dans le système de coordonnées PCA). J'ai calculé PCA en langage R en utilisant prcomp. Maintenant, je devrais pouvoir multiplier mon vecteur par la matrice de rotation PCA. Les …
Une méthode naïve pour approximer une distribution normale consiste à additionner peut-être variables aléatoires IID uniformément réparties sur , puis plus récentes et redimensionnées, en s'appuyant sur le théorème de la limite centrale. ( Remarque : il existe des méthodes plus précises telles que la transformée de Box – Muller …
Si vous avez une matrice avec n lignes et m colonnes, vous pouvez utiliser SVD ou d'autres méthodes pour calculer une approximation de bas rang de la matrice donnée. Cependant, l'approximation de bas rang aura toujours n lignes et m colonnes. Comment les approximations de bas rang peuvent-elles être utiles …
Je sais qu'une formule facile à manipuler pour le CDF d'une distribution normale manque quelque peu, en raison de la fonction d'erreur compliquée qu'elle contient. Cependant, je me demande s'il existe une belle formule pour . Ou quelle pourrait être l'approximation de "l'état de l'art" pour ce problème.N( c-≤ x …
L'année dernière, au NIPS 2017, Ali Rahimi et Ben Recht ont remporté le prix du test du temps pour leur article "Random Features for Large-Scale Kernel Machines" où ils ont introduit des fonctionnalités aléatoires, codifiées plus tard comme l'algorithme des éviers de cuisine aléatoires. Dans le cadre de la publicité …
Supposons que nous ayons une fonction que nous ne pouvons observer qu'à travers du bruit. Nous ne pouvons pas calculer directement, seulement où est un bruit aléatoire. (En pratique: je calcule utilisant une méthode de Monte Carlo.)f(x)f(x)f(x)f(x)f(x)f(x)f(x)+ηf(x)+ηf(x) + \etaηη\etaf(x)f(x)f(x) Quelles méthodes sont disponibles pour trouver les racines de , c'est-à-dire …
Soit {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n une famille de variables aléatoires iid prenant des valeurs dans [0,1][0,1][0,1] , ayant une moyenne μμ\mu et une variance σ2σ2\sigma^2 . Un intervalle de confiance simple pour la moyenne, utilisant σσ\sigma chaque fois qu'elle est connue, est donné par P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1).P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1). P( | \bar X - \mu| > \varepsilon) …
Les progiciels pour la détection de motifs de réseau peuvent renvoyer des scores Z extrêmement élevés (le plus élevé que j'ai vu est 600 000+, mais des scores Z de plus de 100 sont assez courants). Je prévois de montrer que ces scores Z sont faux. D'énormes scores Z correspondent …
Le théorème d'approximation universelle est un résultat assez célèbre pour les réseaux de neurones, déclarant essentiellement que sous certaines hypothèses, une fonction peut être uniformément approximée par un réseau de neurones avec n'importe quelle précision. Y a-t-il un résultat analogue qui s'applique aux réseaux de neurones convolutifs?
Je teste l'égalité des moyens en utilisant le test t de Welch. La distribution sous-jacente est loin d'être normale (plus asymétrique que l'exemple dans une discussion connexe ici ). Je peux obtenir plus de données, mais je souhaiterais une méthode de principe pour déterminer dans quelle mesure. Existe-t-il une bonne …
Étant donné iid X n ≈ N ( μ X , σ 2 X ) et μ X ≈ 0 , recherchant:N≥ 30N≥30N\geq30Xn≈ N( μX, σ2X)Xn≈N(μX,σX2)X_n\approx\mathcal{N}(\mu_X,\sigma_X^2)μX≈ 0μX≈0\mu_X \approx 0 approximation précise de la distribution sous forme fermée de OuiN= ∏1NXnYN=∏1NXnY_N=\prod\limits_{1}^{N}{X_n} approximation asymptotique ( exponentielle ?) du même produit Il s'agit …
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.