Preguntas etiquetadas con approximation

¿Existe un análogo a las desigualdades de Chebyshev en el momento superior en el caso unilateral? La desigualdad de Chebyshev-Cantelli solo parece funcionar para la varianza, mientras que la desigualdad de Chebyshevs puede producirse fácilmente para todos los exponentes. ¿Alguien sabe de una desigualdad unilateral utilizando los momentos más altos?

12 approximation  moments  probability-inequalities 

Aquí en Wikipedia dice: Para valores suficientemente grandes de λλλ , (digamos λ>1000λ>1000λ>1000 ), la distribución normal con media λλλ y varianza λλλ (desviación estándar λ−−√λ\sqrt{\lambda} ), es una excelente aproximación a la distribución de Poisson. Siλλλes mayor que aproximadamente 10, entonces la distribución normal es una buena aproximación si …

12 normal-distribution  poisson-distribution  approximation 

Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Esta pregunta está inspirada en la respuesta de Martijn aquí . var [ X] = E[ X] E[ 1 - X]var[X]=E[X]E[1−X]\text{var}[X] = E[X]E[1-X]var [ X] = E[ X]var[X]=E[X]\text{var}[X] = E[X] A diferencia de la regresión lineal cuando los residuos se distribuyen normalmente, no se conoce la distribución de muestreo exacta …

11 regression  generalized-linear-model  inference  approximation  t-distribution 

Estaba leyendo casualmente un artículo (en economía) que tenía la siguiente aproximación para :log(E(X))log⁡(E(X))\log(E(X)) log(E(X))≈E(log(X))+0.5var(log(X))log⁡(E(X))≈E(log⁡(X))+0.5var(log⁡(X))\log(E(X)) \approx E(\log(X))+0.5 \mathrm{var}(\log(X)) , lo que el autor dice que es exacto si X es log-normal (lo cual sé). Lo que no sé es cómo derivar esta aproximación. Intenté calcular una aproximación de Taylor de …

11 lognormal  approximation  taylor-series 

¿Cuál es la mejor manera de aproximar para dos enteros dados cuando conoce la media , la varianza , la asimetría y el exceso de curtosis de una distribución discreta , y de las medidas (distintas de cero) de las formas y que una aproximación normal no es apropiada?Pr[n≤X≤m]Pr[n≤X≤m]Pr[n \leq …

11 probability  distributions  moments  approximation  saddlepoint-approximation 

¿Puede cualquier función continua en [a, b], donde a y b son números reales, ser aproximada o arbitrariamente cercana a la función (en alguna norma) por Procesos Gaussianos (Regresión)?

10 gaussian-process  approximation 

Tome una expectativa de la forma para alguna variable aleatoria univariada y una función completa (es decir, el intervalo de convergencia es toda la línea real)E(f(X))E(f(X))E(f(X))XXXf(⋅)f(⋅)f(\cdot) Tengo una función de generación de momentos para y, por lo tanto, puedo calcular fácilmente momentos enteros. Use una serie de Taylor alrededor de …

10 expected-value  approximation 

Si hay varias aproximaciones posibles, estoy buscando la más básica.

10 normal-distribution  multinomial  approximation 

Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Casi todos los libros de texto que discuten la aproximación normal a la distribución binomial mencionan la regla general de que la aproximación se puede usar si np≥5np≥5np\geq5 y n(1−p)≥5n(1−p)≥5n(1-p)\geq 5. Algunos libros sugierennp(1−p)≥5np(1−p)≥5np(1-p)\geq 5en lugar. La misma constante555 a menudo aparece en discusiones sobre cuándo fusionar celdas en el …

9 normal-distribution  binomial  approximation 

Version corta Estoy tratando de resolver / aproximar analíticamente la probabilidad compuesta que resulta de los sorteos independientes de Poisson y el muestreo adicional con o sin reemplazo (realmente no me importa cuál). Quiero usar la probabilidad con MCMC (Stan), por lo que necesito la solución solo hasta un término …

8 mathematical-statistics  poisson-distribution  joint-distribution  approximation 

¿El teorema de aproximación universal para redes neuronales es válido para cualquier función de activación (sigmoide, ReLU, Softmax, etc.) o se limita a las funciones sigmoideas? Actualización: como señala shimao en los comentarios, no cumple absolutamente ninguna función. Entonces, ¿para qué clase de funciones de activación tiene?

8 neural-networks  approximation 

A veces veo que la gente usa la aproximación de Taylor de la siguiente manera: E(ex)≈E(1+x)E(ex)≈E(1+x)E(e^x)\approx E(1+x) Sé que la aproximación de Taylor funciona para ex≈1+xex≈1+xe^x \approx 1+x Pero no está claro para mí que podamos hacer la aproximación dentro del operador de expectativas. Intuitivamente, supongo que funciona si "la …

8 expected-value  approximation 

He estado estudiando la teoría detrás de ANNs últimamente y quería entender la 'magia' detrás de su capacidad de clasificación no lineal de múltiples clases. Esto me llevó a este sitio web que hace un buen trabajo al explicar geométricamente cómo se logra esta aproximación. Así es como lo entendí …

8 machine-learning  neural-networks  approximation  intuition  function