Preguntas etiquetadas con estimation

Dejar que X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n iid variables aleatorias que tienen pdf fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) donde θ>0θ>0\theta >0 . Dar el UMVUE de 1θ1θ\frac{1}{\theta} y calcula su varianza He aprendido acerca de dos métodos para obtener UMVUE: Límite inferior Cramer-Rao (CRLB) Lehmann-Scheffe Thereom Voy a intentar esto …

10 self-study  estimation  inference  exponential-family  umvue 

¿Hay alguna razón particular por la que elegirás la estimación de densidad del kernel sobre la estimación paramétrica? Estaba aprendiendo a ajustar la distribución a mis datos. Esta pregunta me vino. Mi tamaño de datos es relativamente grande con 7500 puntos de datos. Auto reclamaciones. Mi objetivo es ajustarlo a …

10 estimation  nonparametric  kernel-smoothing  parametric 

Me han enseñado que podemos producir una estimación de parámetros en forma de un intervalo de confianza después del muestreo de una población. Por ejemplo, los intervalos de confianza del 95%, sin supuestos violados, deberían tener una tasa de éxito del 95% de contener cualquier parámetro verdadero que estemos estimando …

9 hypothesis-testing  confidence-interval  estimation  inference 

Suponga que tuvo un año extraterrestre con una longitud desconocida N. Si tiene una muestra aleatoria de dichos extraterrestres y algunos de ellos comparten cumpleaños, ¿puede usar estos datos para estimar la duración del año? Por ejemplo, en una muestra de 100, podría tener dos trillizos (es decir, dos cumpleaños …

9 estimation  inference  birthday-paradox 

Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con softmaxfunción en la última …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

El número de accidentes por día es una variable aleatoria de Poisson con el parámetro , en 10 días elegidos al azar, el número de accidentes se observó como 1,0,1,1,2,0,2,0,0,1, lo que ser un estimador imparcial de ?e λλλ\lambdaeλeλe^{\lambda} Traté de intentarlo de esta manera: sabemos que , pero . …

9 self-study  estimation  poisson-distribution 

Considere la pérdida cuadrática , con la anterior donde . Sea la probabilidad. Encuentre el estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considere la pérdida cuadrática ponderada donde con anterior . Sea sea ​​la probabilidad. Encuentre el estimador de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Compare yδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Primero noté que , y …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Un instructor en mi universidad planteó una pregunta como esta (no para la tarea ya que la clase terminó y yo no estaba en ella). No puedo entender cómo abordarlo. La pregunta se refiere a 2 bolsas que contienen una variedad de diferentes tipos de frutas: La primera bolsa contiene …

9 regression  estimation 

Actualmente estoy leyendo el artículo de Pearl (Pearl, 2009, 2ª edición) sobre causalidad y lucha para establecer el vínculo entre la identificación no paramétrica de un modelo y la estimación real. Desafortunadamente, el propio Pearl no dice nada sobre este tema. Para dar un ejemplo, tengo en mente un modelo …

9 estimation  references  causality 

Soy bastante nuevo en estadísticas (un puñado de cursos Uni de nivel principiante) y me preguntaba sobre el muestreo de distribuciones desconocidas. Específicamente, si no tiene idea de la distribución subyacente, ¿hay alguna forma de "garantizar" que obtenga una muestra representativa? Ejemplo para ilustrar: digamos que está tratando de descubrir …

9 distributions  estimation  sampling  sample-size  algorithms 

Digamos que tengo N bolas en una bolsa. En mi primer sorteo, marco la pelota y la vuelvo a colocar en la bolsa. En mi segundo sorteo, si recojo una pelota marcada, la devuelvo a la bolsa. Sin embargo, si recojo una bola no marcada, la marco y la devuelvo …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

Por defecto, cuando usamos una glmfunción en R, usa el método de mínimos cuadrados reponderados iterativamente (IWLS) para encontrar la estimación de máxima verosimilitud de los parámetros. Ahora tengo dos preguntas. ¿Las estimaciones de IWLS garantizan el máximo global de la función de probabilidad? Basado en la última diapositiva de …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

He estado leyendo sobre MLE como un método para generar una distribución ajustada. Me encontré con una declaración que decía que las estimaciones de probabilidad máxima "tienen distribuciones normales aproximadas". ¿Significa esto que si aplico MLE varias veces sobre mis datos y la familia de distribuciones a las que estoy …

9 normal-distribution  estimation  maximum-likelihood 

Estoy estudiando diferentes métodos de estimación puntual y leí que cuando usamos estimaciones MAP vs ML, cuando usamos un "uniforme previo", las estimaciones son idénticas. ¿Alguien puede explicar qué es un "uniforme" anterior y dar algunos ejemplos (simples) de cuándo los estimadores MAP y ML serían los mismos?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

La población r-cuadrado se puede definir suponiendo puntuaciones fijas o puntuaciones aleatorias:ρ2ρ2\rho^2 Puntuaciones fijas: el tamaño de la muestra y los valores particulares de los predictores se mantienen fijos. Por lo tanto, es la proporción de varianza explicada en el resultado por la ecuación de regresión de la población cuando …

9 regression  estimation  r-squared