Estadísticas y Big Data

Preguntas y respuestas para personas interesadas en estadísticas, aprendizaje automático, análisis de datos, minería de datos y visualización de datos.

2
Diferentes definiciones de AIC
De Wikipedia hay una definición del Criterio de información de Akaike (AIC) como , donde k es el número de parámetros y log L es la probabilidad de registro del modelo.Un yoC= 2 k - 2 logLAIC=2k−2log⁡L AIC = 2k -2 \log L kkkIniciar sesiónLlog⁡L\log L Sin embargo, nuestros notas …
2
Expectativa del máximo de variables iid Gumbel
Sigo leyendo en revistas de economía sobre un resultado particular utilizado en modelos de utilidad aleatorios. Una versión del resultado es: if Gumbel ( , entonces:ϵi∼iid,ϵi∼iid,\epsilon_i \sim_{iid}, μ,1),∀iμ,1),∀i\mu, 1), \forall i E[maxi(δi+ϵi)]=μ+γ+ln(∑iexp{δi}),E[maxi(δi+ϵi)]=μ+γ+ln⁡(∑iexp⁡{δi}),E[\max_i(\delta_i + \epsilon_i)] = \mu + \gamma + \ln\left(\sum_i \exp\left\{\delta_i \right\} \right), donde γ≈0.52277γ≈0.52277\gamma \approx 0.52277 es la constante …
2
Matriz de covarianza mal condicionada en regresión GP para optimización bayesiana
Antecedentes y problema Estoy usando procesos gaussianos (GP) para la regresión y la posterior optimización bayesiana (BO). Para la regresión, uso el paquete gpml para MATLAB con varias modificaciones personalizadas, pero el problema es general. Es un hecho bien conocido que cuando dos entradas de entrenamiento están demasiado cerca en …
2
¿Sigue siendo válido el teorema de Slutsky cuando dos secuencias convergen en una variable aleatoria no degenerada?
Estoy confundido acerca de algunos detalles sobre el teorema de Slutsky : Sean , dos secuencias de elementos aleatorios escalares / vectoriales / matriciales.{Xn}{Xn}\{X_n\}{Yn}{Yn}\{Y_n\} Si converge en distribución a un elemento aleatorio e converge en probabilidad a una constante , entonces siempre que sea ​​invertible, donde denota convergencia en la …
1
Distribución especial de probabilidad
Si es una distribución de probabilidad con valores distintos de cero en , para qué tipo (s) de existe una constante tal que para todos ?p(x)p(x)p(x)[0,+∞)[0,+∞)[0,+\infty)p(x)p(x)p(x)c>0c>0c\gt 0∫∞0p(x)logp(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2∫0∞p(x)log⁡p(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2\int_0^{\infty}p(x)\log{\frac{ p(x)}{(1+\epsilon)p({x}(1+\epsilon))}}dx \leq c \epsilon^20<ϵ<10<ϵ<10\lt\epsilon\lt 1 La desigualdad anterior es en realidad una divergencia Kullback-Leibler entre la distribución y una versión comprimida de ella …
1
Valor esperado de , el coeficiente de determinación, bajo la hipótesis nula
Tengo curiosidad acerca de la declaración hecha en la parte inferior de la primera página de este texto con respecto al ajusteR2adjustedRadjusted2R^2_\mathrm{adjusted} R2adjusted=1−(1−R2)(n−1n−m−1).Radjusted2=1−(1−R2)(n−1n−m−1).R^2_\mathrm{adjusted} =1-(1-R^2)\left({\frac{n-1}{n-m-1}}\right). El texto dice: La lógica del ajuste es la siguiente: en la regresión múltiple ordinaria, un predictor aleatorio explica en promedio una proporción 1/(n–1)1/(n–1)1/(n – 1) …
2
Derivada de un proceso gaussiano
Creo que la derivada de un proceso gaussiano (GP) es otra GP, por lo que me gustaría saber si hay ecuaciones de forma cerrada para las ecuaciones de predicción de la derivada de una GP. En particular, estoy usando el núcleo de covarianza exponencial al cuadrado (también llamado gaussiano) y …
2
¿Cómo elegir el ancho óptimo del contenedor mientras se calibran los modelos de probabilidad?
Antecedentes: Aquí hay algunas preguntas / respuestas excelentes sobre cómo calibrar modelos que predicen las probabilidades de que ocurra un resultado. Por ejemplo Puntuación de Brier , y su descomposición en resolución, incertidumbre y fiabilidad . Gráficos de calibración y regresión isotónica . Estos métodos a menudo requieren el uso …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.