Estadísticas y Big Data

A menudo estudiamos el modelo de mezcla gaussiana como un modelo útil en el aprendizaje automático y sus aplicaciones. ¿Cuál es el significado físico de esta " mezcla "? ¿Se utiliza porque un modelo de mezcla gaussiana modela la probabilidad de una serie de variables aleatorias, cada una con su …

8 machine-learning  distributions  gaussian-mixture  mixture  mathematical-statistics 

Estoy interesado en las relaciones entre distribuciones. Como 'Suma de variables aleatorias exponenciales es una variable aleatoria gamma. Cierta distribución condicional es otra distribución, etc. ' Busqué en Wikipedia y Google, pero solo hay resúmenes de ellos, no específicamente probados o explicados. Quiero saber sobre las relaciones de distribución y …

8 distributions  references 

Cerrada . Esta pregunta necesita estar más centrada . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que se centre en un problema solo editando esta publicación . Cerrado hace 3 años . Me hicieron esta pregunta en una entrevista. Aunque hice todo lo posible …

8 matrix-inverse 

Estoy tratando de entender la diferencia entre la Newton-Raphsontécnica y la Fisher scoringtécnica calculando la primera iteración para cada método para una Bernoullimuestra. (Sé que en este caso puedo calcular explícita e inmediatamenteπm l eπmetrolmi\pi_{mle} pero quiero hacerlo de forma iterativa solo para comprender y ver cómo converge cada método). …

8 maximum-likelihood  fisher-information  fisher-scoring 

Deje y independientes. Muestre que tienen una distribución normal y encuentre los parámetros de esta distribución.Y1∼SN(μ1,σ21,λ)Y1∼SN(μ1,σ12,λ)Y_1\sim SN(\mu_1,\sigma_1^2,\lambda)Y2∼N(μ2,σ22)Y2∼N(μ2,σ22)Y_2\sim N(\mu_2,\sigma_2^2)Y1+Y2Y1+Y2Y_1+Y_2 Como las variables aleatorias son independientes, traté de usar convolución. DejeZ=Y1+Y2Z=Y1+Y2Z=Y_1+Y_2 fZ(z)=∫∞−∞2ϕ(y1|μ1,σ1)Φ(λ(y1−μ1σ1))ϕ(z−y1|μ2,σ22)dy1fZ(z)=∫−∞∞2ϕ(y1|μ1,σ1)Φ(λ(y1−μ1σ1))ϕ(z−y1|μ2,σ22)dy1f_Z(z)=\int_{-\infty}^{\infty}2\phi(y_1|\mu_1,\sigma_1)\Phi\Big(\lambda(\frac{y_1-\mu_1}{\sigma_1})\Big)\phi(z-y_1|\mu_2,\sigma_2^2)\,\text{d}y_1 Aquí y son los estándares normales pdf y cdf, respectivamente.ϕ()ϕ()\phi()Φ()Φ()\Phi() FZ( z) =∫∞- ∞212 πσ1----√12 πσ2----√e x p ( -12σ21(y1- …

8 probability  self-study  mgf  skew-normal 

Recientemente tomé una prueba de HackerRank para un puesto de Data Science y me equivoqué con esta pregunta. Vine a 1/200. Así es cómo: Hay 50 combinaciones que lo harán realidad. (es decir, {1,2}, {2,4}, {3,6} ... {50,100}). La probabilidad de que se elija un número específico es 1/100. La …

8 probability  combinatorics 

De Wikipedia: En el modelado estadístico, el análisis de regresión es un proceso estadístico para estimar las relaciones entre variables. Incluye muchas técnicas para modelar y analizar varias variables, cuando el foco está en la relación entre una variable dependiente y una o más variables independientes (o 'predictores'). ¿No es …

8 regression  machine-learning  classification  definition 

Pregunta: ¿Alguien sabe de algún libro de texto que presente el aprendizaje automático (por primera vez) a través del enfoque espacial del núcleo de reproducción Hilbert ? Es decir, ¿qué supone el análisis funcional como requisito previo, pero no supone un conocimiento previo del aprendizaje automático? Cualquier artículo de la …

8 machine-learning  references 

¿Es posible lograr resultados de vanguardia utilizando solo la propagación hacia atrás (sin entrenamiento previo )? ¿O es para que todos los enfoques de récord utilicen alguna forma de pre-entrenamiento? ¿La retropropagación sola es lo suficientemente buena?

8 deep-learning  autoencoders  deep-belief-networks  pre-training 

Actualmente estoy estimando los parámetros de un modelo definido por varias ecuaciones diferenciales ordinarias (EDO). Intento esto con un enfoque bayesiano al aproximar la distribución posterior de los parámetros dados algunos datos usando Markov Chain Monte Carlo (MCMC). Un muestreador MCMC genera una cadena de valores de parámetros donde utiliza …

8 bayesian  mcmc  posterior 

No puedo interpretar este gráfico. Mi variable dependiente es el número total de entradas de cine que se venderán para un espectáculo. Las variables independientes son el número de días que quedan antes del espectáculo, las variables ficticias de estacionalidad (día de la semana, mes del año, vacaciones), precio, boletos …

8 r  regression  logistic  residuals  diagnostic 

Quiero hacer retroceder la economía de combustible en el desplazamiento del motor, el tipo de combustible, la tracción en 2 contra 4 ruedas, la potencia, la transmisión manual en comparación con la automática, y la cantidad de velocidades. Mi conjunto de datos ( enlace ) contiene vehículos de 2012-2014. fuelEconomy …

8 r  statistical-significance  multiple-regression  interpretation 

He leído algunos artículos que expresan que "trabajos recientes" muestran que podemos usar un modelo VAR con datos en bruto I (1) pero tiene que haber cointegración. Esto significa que no hay razón para diferenciar los datos para el modelado VAR. ¿Alguna referencia en papel sobre esto?

8 references  var  cointegration 

Estoy pasando por la primera parte del curso de estadísticas de Duke sobre Coursera, y surge el concepto de bloqueo en el diseño experimental. Si entiendo correctamente, el bloqueo se refiere a la separación de los sujetos en grupos en función de alguna variable que podría afectar el resultado. Sin …

8 experiment-design  blocking 

Sea la estadística de orden de una muestra iid de tamaño de . Supongamos que los datos están censurados, por lo que vemos solo la parte superior por ciento de los datos, es decirPonga , ¿cuál es la distribución asintótica de X(1),…,X(n)X(1),…,X(n)X_{(1)}, \ldots, X_{(n)}nnnexp(λ)exp⁡(λ)\exp(\lambda)(1−p)×100(1−p)×100(1-p) \times 100%X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X_{(\lfloor p n \rfloor )}, …

8 self-study  mathematical-statistics  exponential  asymptotics  order-statistics