Statistiques et Big Data conditional-probability

2

concernant l'indépendance conditionnelle et sa représentation graphique

En étudiant la sélection de covariance, j'ai lu une fois l'exemple suivant. En ce qui concerne le modèle suivant: Sa matrice de covariance et sa matrice de covariance inverse sont données comme suit, Je ne comprends pas pourquoi l'indépendance de et est décidée par la covariance inverse ici?xxxyyy Quelle est …

10 machine-learning bayesian conditional-probability covariance graphical-model

1

Luce axiome de choix, question sur la probabilité conditionnelle [fermé]

Fermé . Cette question a besoin de détails ou de clarté . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Ajoutez des détails et clarifiez le problème en modifiant ce message . Fermé il y a 2 ans . Je lis Luce (1959) . Ensuite, j'ai trouvé cette …

10 probability logistic self-study conditional-probability multinomial

1

Interprétation des diagrammes de densité conditionnelle

Je voudrais savoir comment interpréter correctement les graphiques de densité conditionnelle. J'en ai inséré deux ci-dessous que j'ai créé en R avec cdplot. Par exemple, la probabilité que le résultat soit égal à 1 lorsque Var 1 est 150 est-elle d'environ 80%? La zone gris foncé est celle qui est …

10 r data-visualization interpretation conditional-probability pdf

3

Un sérieux problème de probabilités de retournement de pièces

Disons que je fais 10 000 tours d'une pièce. Je voudrais connaître la probabilité du nombre de flips nécessaires pour obtenir 4 têtes consécutives ou plus d'affilée. Le décompte fonctionnerait comme suit, vous compteriez un tour de flips successifs étant seulement des têtes (4 têtes ou plus). Quand une queue …

10 probability distributions self-study conditional-probability

1

Un modèle de P (Y | X) peut-il être formé par descente de gradient stochastique à partir d'échantillons non iid de P (X) et d'iid échantillons de P (Y | X)?

Lors de la formation d'un modèle paramétré (par exemple pour maximiser la probabilité) par descente de gradient stochastique sur certains ensembles de données, il est communément supposé que les échantillons d'apprentissage sont tirés de la distribution des données d'apprentissage. Donc, si l'objectif est de modéliser une distribution conjointe , alors …

10 machine-learning conditional-probability reinforcement-learning gradient-descent

1

Pourquoi ne pouvons-nous pas faire confiance à notre intuition avec probabilité?

Si jamais il y a eu un cas où cela est devenu clair, c'est avec le problème de Monty Hall. Même le grand Paul Erdos s'est laissé berner par ce problème. Ma question à laquelle il peut être difficile de répondre est la suivante: quelle est la probabilité que nous …

10 probability conditional-probability paradox heuristic

5

Les probabilités conditionnelles - sont-elles propres au bayésianisme?

Je me demande si les probabilités conditionnelles sont propres au bayésianisme, ou si elles sont davantage un concept général partagé par plusieurs écoles de pensée parmi les statisticiens / probabilités. Je suppose que c'est le cas, parce que je suppose que personne ne peut est un peu logique, donc je …

10 bayesian conditional-probability

3

Modèles de Markov avec probabilités de transition conditionnelles

Tout d'abord, permettez-moi de reconnaître dès le départ que je ne suis pas aussi doué en statistique et en mathématiques que je le souhaiterais. Certains pourraient dire avoir juste assez de connaissances pour être dangereux. : Je m'excuse si je n'utilise pas la terminologie correctement. J'essaie de modéliser les probabilités …

10 markov-process conditional-probability

2

Pourquoi ne pas utiliser le théorème de Bayes sous la forme ?

Il y a beaucoup de questions (comme celle-ci ) sur une ambiguïté avec la formule bayésienne en cas continu. p(θ|x)=p(x|θ)⋅p(θ)p(x)p(θ|x)=p(x|θ)⋅p(θ)p(x)p(\theta | x) = \frac{p(x | \theta) \cdot p(\theta)}{p(x)} Souvent, la confusion vient du fait que la définition de la distribution conditionnelle est expliquée comme étant fonction de la donnée fixe …

10 distributions bayesian conditional-probability likelihood

13

Si «B est plus probable étant donné A», alors «A est plus probable étant donné B»

J'essaie d'avoir une intuition plus claire derrière: "Si rend plus probable alors rend plus probable" ieUNEAABBBBBBUNEAA Soit la taille de l'espace dans lequel se trouvent et , puisn ( S)n(S)n(S)UNEAABBB Revendication: doncP( B | A ) > P( B )P(B|A)>P(B)P(B|A)>P(B)n ( A B ) / n ( A ) > …

9 probability inference conditional-probability intuition association-measure

1

Comment répartir de manière optimale les tirages lors du calcul de plusieurs attentes

Supposons que nous voulons calculer une certaine attente: EYEX|Y[f(X, Y) ]EOuiEX|Oui[F(X,Oui)]E_YE_{X|Y}[f(X,Y)] Supposons que nous voulions l'approcher en utilisant la simulation de Monte Carlo. EOuiEX| Oui[ f( X, Y) ] ≈ 1R S∑r = 1R∑s = 1SF( xr , s, yr)EOuiEX|Oui[F(X,Oui)]≈1RS∑r=1R∑s=1SF(Xr,s,yr)E_YE_{X|Y}[f(X,Y)] \approx \frac1{RS}\sum_{r=1}^R\sum_{s=1}^Sf(x^{r,s},y^r) Mais supposons qu'il est coûteux de prélever des …

9 optimization conditional-probability simulation expected-value monte-carlo

2

Convergence dans la distribution \ CLT

Étant donné que , la distr conditionnelle. de est . a une distr marginale. de Poisson ( ), est une constante positive.Y χ 2 ( 2 n ) N θ θN=nN=nN = nYYYχ2(2n)χ2(2n)\chi ^2(2n)NNNθθ\thetaθθ\theta Montrez que, comme , dans la distribution.( Y - E ( Y ) ) / √θ→∞θ→∞\theta …

9 self-study poisson-distribution conditional-probability convergence central-limit-theorem

1

Un parallèle entre LSA et pLSA

Dans l'article original de pLSA, l'auteur, Thomas Hoffman, établit un parallèle entre les structures de données pLSA et LSA dont je voudrais discuter avec vous. Contexte: S'inspirant de la recherche d'informations, nous supposons que nous avons une collection de documents et un vocabulaire de termesNNND={d1,d2,....,dN}D={d1,d2,....,dN}D = \lbrace d_1, d_2, ...., …

9 machine-learning conditional-probability svd information-retrieval lsa

1

Comment comparer les événements observés aux événements attendus?

Supposons que j'ai un échantillon de fréquences de 4 événements possibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 et j'ai les probabilités attendues que mes événements se produisent: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Avec la somme des fréquences …

9 r statistical-significance chi-squared multivariate-analysis exponential joint-distribution statistical-significance self-study standard-deviation probability normal-distribution spss interpretation assumptions cox-model reporting cox-model statistical-significance reliability method-comparison classification boosting ensemble adaboost confidence-interval cross-validation prediction prediction-interval regression machine-learning svm regularization regression sampling survey probit matlab feature-selection information-theory mutual-information time-series forecasting simulation classification boosting ensemble adaboost normal-distribution multivariate-analysis covariance gini clustering text-mining distance-functions information-retrieval similarities regression logistic stata group-differences r anova confidence-interval repeated-measures r logistic lme4-nlme inference fiducial kalman-filter classification discriminant-analysis linear-algebra computing statistical-significance time-series panel-data missing-data uncertainty probability multivariate-analysis r classification spss k-means discriminant-analysis poisson-distribution average r random-forest importance probability conditional-probability distributions standard-deviation time-series machine-learning online forecasting r pca dataset data-visualization bayes distributions mathematical-statistics degrees-of-freedom

2

Qu'est-ce qu'une probabilité conditionnelle complète?

Je sais ce qu'est une distribution de probabilité conditionnelle. Mais quelle est exactement la probabilité conditionnelle complète ?

9 probability conditional-probability

Questions marquées «conditional-probability»