Questions marquées «conditional-probability»

Selon la loi de la variance totale, Var( X) = E( Var( X∣ Y) ) + Var( E( X∣ Y) )Var⁡(X)=E⁡(Var⁡(X∣Y))+Var⁡(E⁡(X∣Y))\operatorname{Var}(X)=\operatorname{E}(\operatorname{Var}(X\mid Y)) + \operatorname{Var}(\operatorname{E}(X\mid Y)) En essayant de le prouver, j'écris Var( X)= E( X- EX)2= E{ E[ ( X- EX)2∣ Y] }= E( Var( X∣ Y) )Var⁡(X)=E⁡(X−E⁡X)2=E⁡{E⁡[(X−E⁡X)2∣Y]}=E⁡(Var⁡(X∣Y)) \begin{equation} \begin{aligned} …

9 variance  conditional-probability  expected-value  conditional-expectation  moments 

Je travaille via Think Bayes (gratuit ici: http://www.greenteapress.com/thinkbayes/ ) et je fais de l'exercice 3.1. Voici un résumé du problème: "Un chemin de fer numérote ses locomotives dans l'ordre 1..N. Un jour, vous voyez une locomotive avec le numéro 60. Estimez combien de locomotives le chemin de fer a." Cette …

9 bayesian  conditional-probability  bayes 

Je travaille mon chemin (auto-apprentissage) à travers le livre d'ET Jaynes Probability Theory - The Logic of Science Problème d'origine L'exercice 2.1 dit: "Est-il possible de trouver une formule générale pour analogue à [la formule ] à partir des règles de produit et de somme. Si oui, dérivez-la; sinon, expliquez …

9 probability  bayesian  self-study  conditional-probability 

J'ai deux variables aléatoires indépendantes et identiquement distribuées, à savoir :ϵ1,ϵ0∼iidGumbel(μ,β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta) F(ϵ)=exp(−exp(−ϵ−μβ)),F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f(ϵ)=1βexp(−(ϵ−μβ+exp(−ϵ−μβ))).f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = \dfrac{1}{\beta}\exp(-\left(\frac{\epsilon-\mu}{\beta}+\exp(-\frac{\epsilon-\mu}{\beta})\right)). J'essaie de calculer deux quantités: Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[c+\epsilon_{1}|c+\epsilon_{1}>\epsilon_{0}\right] Eϵ1Eϵ0|ϵ1[ϵ0| c+ϵ1&lt;ϵ0]Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[\epsilon_{0}|c+\epsilon_{1}<\epsilon_{0}\right] J'arrive à un point où je dois faire l'intégration sur quelque chose de la forme: , qui ne semble pas avoir d'intégrale …

8 probability  logistic  conditional-probability  conditional-expectation  gumbel 

Je n'ai pas vraiment vu de livres de probabilité calculer l'espérance conditionnelle, à l'exception des algèbres générées par une variable aléatoire discrète. Ils déclarent simplement l'existence de l'attente conditionnelle, ainsi que ses propriétés, et en restent là. Je trouve cela un peu dérangeant et j'essaie de trouver une méthode pour …

8 probability  conditional-probability  conditional-expectation  conditioning  sigma-algebra 

Supposons que la Terre ait été attaquée par vaisseaux spatiaux martiens et supposons que nous ayons missiles à lancer contre les vaisseaux spatiaux. La probabilité de toucher et de détruire chaque vaisseau spatial par chaque missile est (indépendante du reste).nnnm=k⋅nm=k⋅nm=k \cdot nnnnppp Quelle est la probabilité de détruire tous les …

8 probability  conditional-probability  markov-process  coupon-collector-problem 

On m'a dit qu'un événement n'est qu'une variable aléatoire qui a été affectée et que les variables aléatoires sont une généralisation des événements. Cependant, je ne peux pas relier cela à la définition d'un événement en tant que sous-ensemble de l'espace échantillon . De plus, un événement peut se produire …

8 probability  distributions  conditional-probability  random-variable 

Ce qui suit est une dérivation d'une densité à partir d'un article que j'étudie actuellement. Désolé pour la mauvaise qualité, c'est un papier assez ancien. Je dois préciser que a la densité exponentielle standard dans , est uniforme sur et ils sont indépendants. Le coefficient de corrélation de la population …

8 probability  self-study  distributions  conditional-probability  cdf 

Soit la distribution cible sur qui est absolument continue par rapport à la mesure de Lebesgue dimensionnelle, c'est-à-dire:ππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd ππ\pi admet une densité wrt à avec π(x1,...,xd)π(x1,...,xd)\pi(x_1,...,x_d)λdλd\lambda^dλd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)λd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)\lambda^d(dx_1,...,dx_d) = \lambda(dx_1) \cdot \cdot \cdot \lambda (dx_d) Supposons que les conditions complètes de sont connues. Le noyau de transition du Gibbs-Sampler est donc clairement …

8 bayesian  conditional-probability  markov-process  gibbs  integral 

J'ai une question sur le mélange de prieurs conjugués. J'ai appris et dit le mélange de prieurs conjugués à quelques reprises lorsque j'apprends le bayésien. Je me demande pourquoi ce théorème est si important, comment allons-nous l'appliquer lorsque nous faisons une analyse bayésienne. Pour être plus précis, un théorème de …

8 bayesian  conditional-probability  hierarchical-bayesian  conjugate-prior  exponential-family 

J'ai deux processus de Poisson indépendants et avec les taux d'arrivée et , respectivement. Maintenant, l'heure prévue pour l'arrivée de l'élément suivant pour le processus fusionné doit être .UNEAABBBλUNEλA\lambda_AλBλB\lambda_B1λUNE+λB1λA+λB\frac {1}{\lambda_A+\lambda_B} En supposant que soit l'heure d'arrivée pour l'élément suivant du processus combiné, et ou comme les événements que les éléments …

8 conditional-probability  poisson-process 

Lorsqu'une balle noire est tirée, elle n'est pas remplacée dans le jeu, mais les boules blanches sont remplacées. J'y ai pensé, avec les notations: bbb , www le nombre initial de boules noires et blanches xi=(b−i)/(b+w−i)xi=(b−i)/(b+w−i)x_i = (b - i)/(b + w - i) La probabilité de tirer une boule …

8 conditional-probability  randomness 

Mon projet actuel peut m'obliger à construire un modèle pour prédire le comportement d'un certain groupe de personnes. l'ensemble de données de formation ne contient que 6 variables (id est uniquement à des fins d'identification): id, age, income, gender, job category, monthly spend dans laquelle se monthly spendtrouve la variable …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Je l'ai fait de façon évidente, et mon ami est revenu avec une meilleure idée. Pouvez-vous juger ou améliorer les deux? Mon chemin: Les Bengals de Cincinnati et les Browns de Cleveland ont tous deux gagné dimanche pour la première fois en 46 semaines (selon ESPN). Cela semblait bien trop …

8 conditional-probability 

Je calcule des probabilités conditionnelles et des intervalles de confiance à 95% associés. Pour bon nombre de mes cas, j'ai un décompte simple des xsuccès des nessais (à partir d'un tableau de contingence), donc je peux utiliser un intervalle de confiance binomial, tel que celui fourni par binom.confint(x, n, method='exact')dans …

8 r  bayesian  confidence-interval  conditional-probability  hidden-markov-model  segmentation  hypothesis-testing  statistical-significance  multiple-comparisons  multiple-regression  r  regression  survey  sample  finite-population  pca  model-selection  dataset  partitioning  clustering  time-series  least-squares  regression  standard-error  causality  r  time-series  outliers  missing-data  machine-learning  svm  hypothesis-testing  discrete-data  r  data-visualization  survey  likert  finance  regression  pca  feature-selection  stepwise-regression  underdetermined  svm  natural-language