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
¿Qué le pasó a Fuzzy Logic?
La lógica difusa parecía un área activa de investigación en aprendizaje automático y minería de datos cuando estaba en la escuela de posgrado (principios de la década de 2000). Los sistemas de inferencia difusos, los medios c difusos, las versiones difusas de las diversas redes neuronales y las arquitecturas de …




3
Cálculo de los valores p en mínimos cuadrados restringidos (no negativos)
He estado usando Matlab para realizar mínimos cuadrados sin restricciones (mínimos cuadrados ordinarios) y genera automáticamente los coeficientes, el estadístico de prueba y los valores p. Mi pregunta es, al realizar mínimos cuadrados restringidos (coeficientes estrictamente no negativos), solo genera los coeficientes, SIN estadísticas de prueba, valores p. ¿Es posible …


1
El problema de la pesca
Suponga que quiere ir a pescar al lago cercano de 8 a.m. a 8 p.m. Debido a la sobrepesca, se ha establecido una ley que dice que solo puede pescar un pez por día. Cuando pescas un pez, puedes optar por mantenerlo (y así ir a casa con ese pez), …

1
¿Cuál es la diferencia entre VAE y la propagación estocástica para modelos generativos profundos?
¿Cuál es la diferencia entre la codificación automática Bayes variacional y la retropropagación estocástica para modelos generativos profundos ? ¿La inferencia en ambos métodos conduce a los mismos resultados? No conozco ninguna comparación explícita entre los dos métodos, a pesar de que ambos grupos de autores se citan entre sí.


1
Sobre la existencia de UMVUE y la elección del estimador de
Let ser una muestra aleatoria extraída de N ( θ , θ 2 ) población donde θ ∈ R .(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Estoy buscando el UMVUE de .θθ\theta La densidad conjunta de es(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , donde yh(x)=1.g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf …

2
¿Cuál es la probabilidad de que
Suponga que XXX e YYY son bivariadas normales con media μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) y covarianza Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . ¿Cuál es la probabilidad Pr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?

2
Generar ruido uniforme a partir de una bola de la norma p (
Estoy tratando de escribir una función que genere ruido distribuido uniformemente que proviene de una bola de la norma p de dimensiones:nnorten ||x||p≤rEl |El |XEl |El |pag≤r\begin{equation} ||x||_p \leq r \end{equation} Encontré posibles soluciones para los círculos ( ) ( http://mathworld.wolfram.com/DiskPointPicking.html ), sin embargo, tengo problemas para extender esto para …
10 simulation  noise 

2
¿Qué se pretende con "Dejar que los datos hablen por sí mismos"?
Al leer el siguiente documento , me encontré con la siguiente declaración: Como se mencionó, a menudo se presenta sin ninguna referencia a modelos probabilísticos, en línea con la idea de Benzecri [1973] de "dejar que los datos hablen por sí mismos". (La cita es de JP Benzécri. L'analyse des …
10 eda  quotation 

3
MAP es una solución para
Me he encontrado con estas diapositivas (diapositiva 16 y 17) en uno de los cursos en línea. El instructor intentaba explicar cómo la Estimación posterior máxima (MAP) es en realidad la solución , donde es el parámetro verdaderoL(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}]θ∗θ∗\theta^{*} ¿Alguien puede explicar cómo sigue esto? Editar: se …

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.