Questions marquées «stochastic-processes»

Le modèle "Linear Ballistic Accumulator" (LBA) est un modèle plutôt réussi pour le comportement humain dans des tâches de décision simples et rapides. Donkin et al (2009, PDF ) fournissent un code qui permet d'estimer les paramètres du modèle compte tenu des données de comportement humain, et j'ai copié ce …

11 r  stochastic-processes 

Modèle linéaire simple: x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t où ~ iid N ( 0 , σ 2 )ϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) avec etV a r ( x ) = σ 2E(x)=αtE(x)=αtE(x) = \alpha tVar(x)=σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): Xt=αXt−1+ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} + \epsilon_t où ~ iid N ( 0 , σ 2 )ϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) avec etV a …

11 regression  stochastic-processes  autoregressive  deterministic 

Un processus est strictement stationnaire si la distribution conjointe de est la même que la distribution conjointe de pour tout , pour tout et pour tout .X t 1 , X t 2 , . . . , X t m X t 1 + k , X t 2 …

11 time-series  autocorrelation  stochastic-processes  stationarity 

Supposons que vous vouliez aller pêcher au lac voisin de 8h à 20h. En raison de la surpêche, une loi a été adoptée qui stipule que vous ne pouvez attraper qu'un seul poisson par jour. Lorsque vous attrapez un poisson, vous pouvez choisir de le garder (et donc de rentrer …

10 stochastic-processes  optimal-stopping 

Imaginez une situation: nous avons des enregistrements historiques (20 ans) de trois mines. La présence d'argent augmente-t-elle la probabilité de trouver de l'or l'année prochaine? Comment tester une telle question? Voici des exemples de données: mine_A <- c("silver","rock","gold","gold","gold","gold","gold", "rock","rock","rock","rock","silver","rock","rock", "rock","rock","rock","silver","rock","rock") mine_B <- c("rock","rock","rock","rock","silver","rock","rock", "silver","gold","gold","gold","gold","gold","rock", "silver","rock","rock","rock","rock","rock") mine_C <- c("rock","rock","silver","rock","rock","rock","rock", "rock","silver","rock","rock","rock","rock","silver", "gold","gold","gold","gold","gold","gold") …

10 r  time-series  hypothesis-testing  stochastic-processes 

Je travaille sur un ensemble de données. Après avoir utilisé certaines techniques d'identification de modèle, je suis sorti avec un modèle ARIMA (0,2,1). J'ai utilisé la detectIOfonction dans le package TSAen R pour détecter une valeur aberrante innovante (IO) à la 48e observation de mon ensemble de données d'origine. Comment …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Considérons un graphique géométrique aléatoire infini dans lequel les emplacements des nœuds suivent un processus de point de Poisson avec une densité et des arêtes sont placées entre les nœuds plus proches que . Par conséquent, la longueur des bords suit le PDF suivant:dρρ\rhoréréd F( l ) = { 2 …

10 probability  stochastic-processes  pdf  asymptotics  graph-theory 

Interviewstreet a eu son deuxième CodeSprint en janvier qui comprenait la question ci-dessous. La réponse programmatique est publiée mais ne comprend pas d'explication statistique. (Vous pouvez voir le problème d'origine et la solution publiée en vous connectant au site Interviewstreet avec Google Creds, puis en accédant au problème Coin Tosses …

10 probability  stochastic-processes  markov-process 

Quelqu'un a-t-il un bel exemple d'un processus stochastique qui est stationnaire de deuxième ordre, mais qui n'est pas strictement stationnaire?

10 time-series  stochastic-processes  stationarity 

Ceci est juste un exemple que j'ai rencontré plusieurs fois, donc je n'ai pas d'échantillons de données. Exécution d'un modèle de régression linéaire dans R: a.lm = lm(Y ~ x1 + x2) x1est une variable continue. x2est catégorique et a trois valeurs, par exemple "Low", "Medium" et "High". Cependant, la …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Comment interprétez-vous une courbe de survie à partir du modèle de risque proportionnel cox? Dans cet exemple de jouet, supposons que nous ayons un modèle de risque proportionnel cox sur agevariable dans les kidneydonnées et générons la courbe de survie. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Par …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Considérons un processus aléatoire pour lequel la moyenne existe et est constante, pour tous les instants , c'est-à-dire pour tous les instants et décalages temporels (ou "décalages") . Je n'impose aucune autre condition aux moments supérieurs ni à la fonction de distribution. Comment puis-je décrire un tel processus? Il n'est …

9 time-series  terminology  stationarity  stochastic-processes 

J'ai du mal à mettre en œuvre l'estimateur du maximum de vraisemblance pour un processus Hawkes multivarié (HP). Plus précisément, alors que l'expression analytique pour une fonction log-vraisemblance d'un HP univarié peut être trouvée facilement en ligne (par exemple Ozaki, 1979), il semble y avoir différentes versions (incohérentes ou équivalentes?) …

9 maximum-likelihood  stochastic-processes  likelihood 

Pour la première fois (excuse imprécision / erreurs) j'ai regardé les processus gaussiens , et plus précisément, j'ai regardé cette vidéo de Nando de Freitas . Les notes sont disponibles en ligne ici . À un moment donné, il tire échantillons aléatoires d'une normale multivariée générée en construisant une matrice …

8 machine-learning  simulation  stochastic-processes  gaussian-process 

Le mouvement brownien est construit comme une limite de la somme des incréments gaussiens. Peut-on utiliser à la place une distribution non gaussienne αα\alpha stable (par exemple la distribution de Cauchy), tout en construisant un processus? Le paramètre d'échelle d'un tel processus évoluerait-il selon la formule ct=t1/αct=t1/αc_t = t^{1/\alpha} ?

8 stochastic-processes  brownian  stable-distribution