Preguntas etiquetadas con convergence

La convergencia generalmente significa que una secuencia de una determinada cantidad de muestra se aproxima a una constante ya que el tamaño de la muestra tiende al infinito. La convergencia también es una propiedad de un algoritmo iterativo para estabilizarse en algún valor objetivo.

1
¿Cuándo está la función de distribución binomial arriba / debajo de su función de distribución de Poisson limitante?
Sea B(n,p,r)B(n,p,r)B(n,p,r) la función de distribución binomial (DF) con los parámetros n∈Nn∈Nn \in \mathbb N y p∈(0,1)p∈(0,1)p \in (0,1) evaluados en r∈{0,1,…,n}r∈{0,1,…,n}r \in \{0,1,\ldots,n\} : y deje denote el Poisson DF con el parámetro a \ in \ mathbb R ^ + evaluado en r \ in \ {0,1,2, \ …

1
¿Pueden los grados de libertad ser un número no entero?
Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data …
27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

5
Explicación intuitiva de convergencia en distribución y convergencia en probabilidad
¿Cuál es la diferencia intuitiva entre una variable aleatoria que converge en probabilidad versus una variable aleatoria que converge en distribución? He leído numerosas definiciones y ecuaciones matemáticas, pero eso realmente no ayuda. (Tenga en cuenta que soy un estudiante universitario que estudia econometría). ¿Cómo puede una variable aleatoria converger …


2
Teoría del valor extremo - Show: Normal a Gumbel
El máximo de iid Standardnormals converge a la distribución estándar de Gumbel de acuerdo con la teoría del valor extremo .X1,…,Xn.∼X1,…,Xn.∼X_1,\dots,X_n. \sim ¿Cómo podemos demostrar eso? Tenemos P(maxXi≤x)=P(X1≤x,…,Xn≤x)=P(X1≤x)⋯P(Xn≤x)=F(x)nP(maxXi≤x)=P(X1≤x,…,Xn≤x)=P(X1≤x)⋯P(Xn≤x)=F(x)nP(\max X_i \leq x) = P(X_1 \leq x, \dots, X_n \leq x) = P(X_1 \leq x) \cdots P(X_n \leq x) = F(x)^n Necesitamos …






2
¿Una vista de sistemas dinámicos del Teorema del límite central?
( Publicado originalmente en MSE). He visto muchas discusiones heurísticas del teorema clásico del límite central que hablan de la distribución normal (o cualquiera de las distribuciones estables) como un "atractor" en el espacio de las densidades de probabilidad. Por ejemplo, considere estas oraciones en la parte superior del tratamiento …


1
Stan
Estaba revisando la documentación de Stan que se puede descargar desde aquí . Estaba particularmente interesado en su implementación del diagnóstico Gelman-Rubin. El artículo original Gelman y Rubin (1992) define el factor de reducción de escala potencial (PSRF) de la siguiente manera: Deje que sea ​​la ésima cadena de Markov …



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.