Questions marquées «intuition»

Questions qui recherchent une compréhension conceptuelle ou non mathématique des statistiques.

2
Quelle est la distribution de en régression linéaire sous l'hypothèse nulle? Pourquoi son mode n'est-il pas nul lorsque ?
Quelle est la distribution du coefficient de détermination, ou R au carré, , en régression multiple univariée linéaire sous l'hypothèse nulle ?R 2 R2R^2H 0 : β = 0H0:β=0H_0:\beta=0 Comment cela dépend-il du nombre de prédicteurs et du nombre d'échantillons ? Existe-t-il une expression de forme fermée pour le mode …
4
Intuition derrière l'écart-type
J'essaie d'acquérir une meilleure compréhension intuitive de l'écart-type. D'après ce que je comprends, il est représentatif de la moyenne des différences d'un ensemble d'observations dans un ensemble de données par rapport à la moyenne de cet ensemble de données. Cependant, il n'est PAS réellement égal aux moyennes des différences car …
5
Recherche d'un certain type d'explication ARIMA
Cela peut être difficile à trouver, mais j'aimerais lire un exemple ARIMA bien expliqué qui utilise un minimum de mathématiques étend la discussion au-delà de la construction d'un modèle en utilisant ce modèle pour prévoir des cas spécifiques utilise des graphiques ainsi que des résultats numériques pour caractériser l'adéquation entre …
2
Pouvez-vous expliquer l'estimation de la densité de la fenêtre de Parzen (noyau) en termes simples?
L'estimation de la densité de fenêtre de Parzen est décrite comme p(x)=1n∑i=1n1h2ϕ(xi−xh)p(x)=1n∑i=1n1h2ϕ(xi−xh) p(x)=\frac{1}{n}\sum_{i=1}^{n} \frac{1}{h^2} \phi \left(\frac{x_i - x}{h} \right) où est le nombre d'éléments dans le vecteur, x est un vecteur, p ( x ) est une densité de probabilité de x , h est la dimension de la fenêtre …
3
Interprétation statistique de la distribution d'entropie maximale
J'ai utilisé le principe de l'entropie maximale pour justifier l'utilisation de plusieurs distributions dans divers contextes; cependant, je n'ai pas encore été en mesure de formuler une interprétation statistique, par opposition à une théorie de l'information, de l'entropie maximale. En d'autres termes, qu'est-ce que la maximisation de l'entropie implique sur …
5
Intuition du théorème de Bayes
J'ai essayé de développer une compréhension basée sur l'intuition du théorème de Bayes en termes de probabilité antérieure , postérieure , de probabilité et marginale . Pour cela, j'utilise l'équation suivante: où représente une hypothèse ou une croyance et représente des données ou des preuves. J'ai compris le concept du …
2
Quelle est l'intuition derrière la définition de l'exhaustivité d'une statistique comme étant impossible de former un estimateur sans biais de
Dans les statistiques classiques, il existe une définition selon laquelle une statistique TTT d'un ensemble de données y1,…,yny1,…,yny_1, \ldots, y_n est définie pour être complète pour un paramètre θθ\theta il est impossible de former un estimateur sans biais de 000 partir de celui-ci de manière non triviale. Autrement dit, la …
1
Existe-t-il une explication intuitive de la raison pour laquelle la régression logistique ne fonctionnera pas pour un cas de séparation parfait? Et pourquoi l'ajout de la régularisation le corrigera?
Nous avons beaucoup de bonnes discussions sur la séparation parfaite dans la régression logistique. Telles que, la régression logistique dans R a conduit à une séparation parfaite (phénomène de Hauck-Donner). Maintenant quoi? et le modèle de régression logistique ne converge pas . Personnellement, je pense toujours que ce n'est pas …
7
Pourquoi les matrices symétriques positives définies (SPD) sont-elles si importantes?
Je connais la définition de la matrice définie positive symétrique (SPD), mais je veux en savoir plus. Pourquoi sont-ils si importants, intuitivement? Voici ce que je sais. Quoi d'autre? Pour une donnée donnée, la matrice de co-variance est SPD. La matrice de co-variance est une métrique importante, voir cet excellent …
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.