Preguntas etiquetadas con approximation

¿Existen fórmulas bien conocidas para las estadísticas de orden de ciertas distribuciones aleatorias? Particularmente las estadísticas de primer y último orden de una variable aleatoria normal, pero también se agradecería una respuesta más general. Editar: para aclarar, estoy buscando fórmulas aproximadas que puedan evaluarse más o menos explícitamente, no la …

38 distributions  normal-distribution  approximation  order-statistics 

En las estadísticas bayesianas, a menudo se menciona que la distribución posterior es intratable y, por lo tanto, se debe aplicar una inferencia aproximada. ¿Cuáles son los factores que causan esta intratabilidad?

28 bayesian  approximation  inference 

Deje que y sean 2 iidrv's donde . Me gustaría saber la distribución de .X1X1X_1X2X2X_2log(X1),log(X2)∼N(μ,σ)log⁡(X1),log⁡(X2)∼N(μ,σ)\log(X_1),\log(X_2) \sim N(\mu,\sigma)X1−X2X1−X2X_1 - X_2 Lo mejor que puedo hacer es tomar la serie de Taylor de ambos y obtener que la diferencia es la suma de la diferencia entre dos rv normales y dos rv …

23 probability  distributions  random-variable  lognormal  approximation 

Recientemente hubo una pregunta similar a ML sobre el intercambio de pilas de teoría, y publiqué una respuesta recomendando el método de Powell, el descenso de gradiente, los algoritmos genéticos u otros "algoritmos de aproximación". En un comentario, alguien me dijo que estos métodos eran "heurísticos" y no "algoritmos de …

23 machine-learning  optimization  approximation 

Después de realizar el análisis de componentes principales (PCA), quiero proyectar un nuevo vector en el espacio PCA (es decir, encontrar sus coordenadas en el sistema de coordenadas PCA). He calculado PCA en lenguaje R usando prcomp. Ahora debería poder multiplicar mi vector por la matriz de rotación PCA. ¿Deben …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Un método ingenuo para aproximar una distribución normal es sumar quizás unas variables aleatorias IID distribuidas uniformemente en , luego volver a centrar y reescalar, confiando en el Teorema del límite central. ( Nota al margen : existen métodos más precisos, como la transformación Box-Muller ). La suma de las …

20 normal-distribution  central-limit-theorem  moments  approximation 

Si tiene una matriz con n filas ym columnas, puede usar SVD u otros métodos para calcular una aproximación de rango bajo de la matriz dada. Sin embargo, la aproximación de rango bajo seguirá teniendo n filas ym columnas. ¿Cómo pueden ser útiles las aproximaciones de bajo rango para el …

20 r  matrix  approximation 

Sé que falta una fórmula fácil de manejar para el CDF de una distribución normal, debido a la complicada función de error que contiene. Sin embargo, me pregunto si hay una buena fórmula para . O cuál podría ser la aproximación del "estado del arte" para este problema.norte( c-≤ x …

18 normal-distribution  approximation 

El año pasado, en NIPS 2017, Ali Rahimi y Ben Recht ganaron el premio de la prueba del tiempo por su trabajo "Características aleatorias para máquinas de grano a gran escala", donde introdujeron características aleatorias, que luego se codificaron como el algoritmo de fregaderos de cocina aleatorios. Como parte de …

18 machine-learning  svm  gaussian-process  approximation 

Supongamos que tenemos una función que solo podemos observar a través de algo de ruido. No podemos calcular directamente, solo donde es un ruido aleatorio. (En la práctica: calculo usando algún método de Monte Carlo).f(x)f(x)f(x)f(x)f(x)f(x)f(x)+ηf(x)+ηf(x) + \etaηη\etaf(x)f(x)f(x) ¿Qué métodos están disponibles para encontrar raíces de , es decir, calcular para …

17 approximation 

Sea {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n una familia de variables aleatorias iid que toman valores en [0,1][0,1][0,1] , que tienen una media μμ\mu y una varianza σ2σ2\sigma^2 . P ( | ˉ X - μ | > ε ) ≤ σ 2 proporciona un intervalo de confianza simple para la media, usando σσ\sigma siempre …

15 normal-distribution  confidence-interval  references  asymptotics  approximation 

Los paquetes de software para la detección de motivos de red pueden arrojar puntajes Z enormemente altos (el más alto que he visto es más de 600,000, pero los puntajes Z de más de 100 son bastante comunes). Planeo mostrar que estos puntajes Z son falsos. Las puntuaciones Z enormes …

14 probability  normal-distribution  p-value  approximation  z-statistic 

El teorema de aproximación universal es un resultado bastante famoso para las redes neuronales, básicamente afirmando que, bajo algunos supuestos, una función puede ser aproximada uniformemente por una red neuronal con cualquier precisión. ¿Hay algún resultado análogo que se aplique a las redes neuronales convolucionales?

14 neural-networks  conv-neural-network  approximation 

Estoy probando la igualdad de medios usando la prueba t de Welch. La distribución subyacente está lejos de ser normal (más sesgada que el ejemplo en una discusión relacionada aquí ). Puedo obtener más datos, pero me gustaría conocer alguna forma de determinar en qué medida hacerlo. ¿Existe una buena …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

Dado iid X n ≈ N ( μ X , σ 2 X ) y μ X ≈ 0 , buscando:norte≥ 30N≥30N\geq30Xnorte≈ N( μX, σ2X)Xn≈N(μX,σX2)X_n\approx\mathcal{N}(\mu_X,\sigma_X^2)μX≈ 0μX≈0\mu_X \approx 0 aproximación precisa de distribución de forma cerrada de Ynorte= ∏1norteXnorteYN=∏1NXnY_N=\prod\limits_{1}^{N}{X_n} aproximación asintótica ( ¿ exponencial ?) del mismo producto Este es un …

12 distributions  normal-distribution  asymptotics  approximation