Preguntas etiquetadas con inference

Considere una muestra aleatoria donde son iid Bernoulli (p) variables aleatorias donde p \ in (0,1) . Compruebe si T (X) = X_1 + 2X_2 + X_3 es una estadística suficiente para p .X i B e r n o u l l i ( p ) p ∈ ( …

9 inference  point-estimation  sufficient-statistics 

De "En toda probabilidad: modelado estadístico e inferencia usando probabilidad" por Y. Pawitan, la probabilidad de una nueva parametrización se define como modo que si g es uno a uno, entonces L ^ * (\ psi) = L (g ^ {- 1} (\ psi)) (p. 45). Estoy tratando de mostrar …

9 mathematical-statistics  inference  likelihood  fisher-information 

Estoy tratando de muestrear desde un posterior que tiene muchos modos, particularmente lejos de los demás, usando MCMC. Parece que en la mayoría de los casos, solo uno de estos modos contiene el 95% de HP que estoy buscando. Traté de implementar soluciones basadas en simulación templada, pero esto no …

9 sampling  mcmc  inference  convergence 

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

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 

Me gustaría saber si la estadística está completa para en una configuración .T(X1, ... ,Xnorte) =∑nortei = 1(Xyo-X¯norte)2n - 1T(X1,…,Xn)=∑i=1n(Xi−X¯n)2n−1T(X_1,\ldots,X_n)=\frac{\sum_{i=1}^n (X_i-\bar{X}_n)^2}{n-1}σ2σ2\sigma^2norte( μ ,σ2)N(μ,σ2)N(\mu,\sigma^2) ¿Depende esto de si se conoce previamente o no? Si está completo para , entonces por Lehmann-Scheffé es UMVUE . Pero si se conociera \ mu , …

9 normal-distribution  estimation  inference  umvue 

Tengo una pregunta generalmente básica que hacer aquí que me ha estado preocupando por un tiempo. A través de la mayoría de mis lecturas de estadísticas bayesianas, se afirmaba de hecho que la probabilidad marginal a menudo es intratable o difícil de estimar. ¿Por qué? Las razones a menudo expresadas …

9 bayesian  inference  likelihood 

Recientemente comencé a estudiar inferencia estadística. He estado trabajando en varios problemas y este me tiene completamente perplejo. Sea una muestra aleatoria de una distribución discreta que asigna con probabilidad los valores , donde es un número entero. Demuestre que no existe una estadística completa suficiente.X1, ... ,XnorteX1,…,XnX_1,\dots,X_n1313\frac{1}{3}θ - 1 …

9 self-study  mathematical-statistics  inference  discrete-data 

¿Cuáles son algunos trabajos teóricos significativos actuales que se han realizado en el campo de la inferencia asintótica / teoría de muestras grandes? ¿Cuál es el alcance de la investigación en este campo en este momento? ¿Hay algún problema abierto o áreas específicas donde la teoría se está desarrollando en …

8 mathematical-statistics  references  inference  asymptotics 

Esta es más una pregunta filosófica, pero desde un punto de vista puramente bayesiano, ¿cómo se forma realmente el conocimiento previo? Si necesitamos información previa para llevar a cabo inferencias válidas, entonces parece haber un problema si tenemos que recurrir a la experiencia pasada para justificar los antecedentes de hoy. …

8 bayesian  inference  philosophical 

¿Hay alguna forma metódica de comparar las direcciones, las magnitudes, etc. de los resultados de PCA para diferentes muestras tomadas de la misma población? Dejo la naturaleza de la prueba deliberadamente vaga porque me gustaría escuchar todas las diversas posibilidades ... por ejemplo, podría haber (y estoy especulando aquí) una …

8 hypothesis-testing  pca  variance  inference 

Estoy trabajando en un modelo que depende de una función parametrizada fea que actúa como una función de calibración en una parte del modelo. Utilizando una configuración bayesiana, necesito obtener antecedentes no informativos para los parámetros que describen mi función. Sé que, idealmente, debería derivar referencias o al menos anteriores …

8 bayesian  inference  prior  uninformative-prior 

Esta sección de este artículo dice: Ronald Fisher en 1935 introdujo la inferencia fiducial para aplicarla a este problema. Se refirió a un artículo anterior de WV Behrens de 1929. Behrens y Fisher propusieron encontrar la distribución de probabilidad de T≡X¯1-X¯2s21/ /norte1+s22/ /norte2-----------√T≡x¯1−x¯2s12/n1+s22/n2 T \equiv {\bar x_1 - \bar x_2 …

8 inference  fiducial 

En el contexto de la agrupación en línea, a menudo encuentro muchos artículos que hablan sobre: ​​"proceso de dirichlet" y "modelos de mezcla finita / infinita". Dado que nunca he usado o leído sobre procesos de dirichlet o modelos de mezclas. ¿Conoces alguna sugerencia de conferencias introductorias o documentos que …

8 clustering  inference  mixture  dirichlet-distribution  dirichlet-process 

Deje , , ..., ser iid RV's con rango pero distribución desconocida. (Estoy de acuerdo con suponer que la distribución es continua, etc., si es necesario).X1X1X_1X2X2X_2XnXnX_n[0,1][0,1][0,1] Defina .Sn=X1+⋯+XnSn=X1+⋯+XnS_n = X_1 + \cdots + X_n Me dan y pregunto: ¿Qué puedo inferir, de manera bayesiana, acerca de ?SkSkS_kSnSnS_n Es decir, se …

8 bayesian  inference