Preguntas etiquetadas con convergence

Sea B(n,p,r)B(n,p,r)B(n,p,r) la función de distribución binomial (DF) con los parámetros n∈Nn∈Nn \in \mathbb N y p∈(0,1)p∈(0,1)p \in (0,1) evaluados en r∈{0,1,…,n}r∈{0,1,…,n}r \in \{0,1,\ldots,n\} : y deje denote el Poisson DF con el parámetro a \ in \ mathbb R ^ + evaluado en r \ in \ {0,1,2, \ …

30 binomial  poisson-distribution  convergence  probability-inequalities 

Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

¿Cuál es la diferencia intuitiva entre una variable aleatoria que converge en probabilidad versus una variable aleatoria que converge en distribución? He leído numerosas definiciones y ecuaciones matemáticas, pero eso realmente no ayuda. (Tenga en cuenta que soy un estudiante universitario que estudia econometría). ¿Cómo puede una variable aleatoria converger …

26 distributions  random-variable  convergence  intuition 

He leído un par de explicaciones del algoritmo EM (p. Ej., De Bishop's Pattern Recognition and Machine Learning y Roger and Gerolami First Course on Machine Learning). La derivación de EM está bien, lo entiendo. También entiendo por qué el algoritmo cubre algo: en cada paso mejoramos el resultado y …

24 missing-data  convergence  expectation-maximization 

El máximo de iid Standardnormals converge a la distribución estándar de Gumbel de acuerdo con la teoría del valor extremo .X1,…,Xn.∼X1,…,Xn.∼X_1,\dots,X_n. \sim ¿Cómo podemos demostrar eso? Tenemos P(maxXi≤x)=P(X1≤x,…,Xn≤x)=P(X1≤x)⋯P(Xn≤x)=F(x)nP(maxXi≤x)=P(X1≤x,…,Xn≤x)=P(X1≤x)⋯P(Xn≤x)=F(x)nP(\max X_i \leq x) = P(X_1 \leq x, \dots, X_n \leq x) = P(X_1 \leq x) \cdots P(X_n \leq x) = F(x)^n Necesitamos …

21 probability  normal-distribution  convergence  extreme-value 

¿La distribución normal converge a cierta distribución si la desviación estándar crece sin límites? me parece que el pdf comienza a verse como una distribución uniforme con límites dados por . ¿Es esto cierto?[−2σ,2σ][−2σ,2σ][-2 \sigma, 2 \sigma]

18 normal-distribution  convergence 

El problema ha surgido antes, pero quiero hacer una pregunta específica que intentará obtener una respuesta que lo aclare (y clasifique): En "La asíntota del pobre hombre", uno mantiene una clara distinción entre (a) una secuencia de variables aleatorias que converge en probabilidad a una constante en contraste con (b) …

18 mathematical-statistics  variance  convergence  asymptotics  consistency 

Tengo una pregunta para principiantes con respecto al Teorema del límite central (CLT): Soy consciente de que el CLT establece que una media de las variables aleatorias iid está distribuida aproximadamente de manera normal (para , donde es el índice de los sumandos) o la variable aleatoria estandarizada tendría una …

18 probability  normal-distribution  convergence  central-limit-theorem  law-of-large-numbers 

¿Es suficiente mostrar que MSE = 0 como ? También leí en mis notas algo sobre plim. ¿Cómo encuentro plim y lo uso para mostrar que el estimador es consistente?n→∞n→∞n\rightarrow\infty

17 estimation  convergence  consistency 

Leí que el algoritmo k-means solo converge a un mínimo local y no a un mínimo global. ¿Por qué es esto? Puedo pensar lógicamente cómo la inicialización podría afectar la agrupación final y existe la posibilidad de una agrupación subóptima, pero no encontré nada que lo demostrara matemáticamente. Además, ¿por …

17 clustering  k-means  convergence  gradient-descent  minimum 

( Publicado originalmente en MSE). He visto muchas discusiones heurísticas del teorema clásico del límite central que hablan de la distribución normal (o cualquiera de las distribuciones estables) como un "atractor" en el espacio de las densidades de probabilidad. Por ejemplo, considere estas oraciones en la parte superior del tratamiento …

16 probability  mathematical-statistics  convergence  central-limit-theorem  convolution 

Estoy usando la glmerfunción del lme4paquete en R, y estoy usando el bobyqaoptimizador (es decir, el predeterminado en mi caso). Recibo una advertencia y tengo curiosidad por saber qué significa. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- a trust …

16 r  optimization  lme4-nlme  convergence  glmm 

Estaba revisando la documentación de Stan que se puede descargar desde aquí . Estaba particularmente interesado en su implementación del diagnóstico Gelman-Rubin. El artículo original Gelman y Rubin (1992) define el factor de reducción de escala potencial (PSRF) de la siguiente manera: Deje que sea ​​la ésima cadena de Markov …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

Estoy tratando de leer sobre la investigación en el área de regresión de alta dimensión; cuando ppp es mayor que nnn , es decir, p>>np>>np >> n . Parece que el término logp/nlog⁡p/n\log p/n aparece a menudo en términos de tasa de convergencia para estimadores de regresión. Por ejemplo, aquí …

16 regression  lasso  convergence  high-dimensional 

Mis preguntas son: ¿Se garantiza que los modelos lineales generalizados (GLM) converjan a un máximo global? Si es así, ¿por qué? Además, ¿qué restricciones hay en la función de enlace para asegurar la convexidad? Mi comprensión de los GLM es que maximizan una función de probabilidad altamente no lineal. Por …

16 generalized-linear-model  optimization  convergence  exponential-family