Preguntas etiquetadas con intuition

Estoy completamente ciego y vengo de un fondo de programación. Lo que intento hacer es aprender el aprendizaje automático, y para hacer esto, primero necesito aprender sobre la regresión lineal. Todas las explicaciones en Internet que encuentro sobre este tema trazan primero los datos. Estoy buscando una explicación práctica de …

47 regression  intuition 

Supongamos que . Entonces, la distribución condicional de dado que es multivariada normalmente distribuida con media:X∼N2(μ,Σ)X∼N2(μ,Σ)\mathbf{X} \sim N_{2}(\mathbf{\mu}, \mathbf{\Sigma})X1X1X_1X2=x2X2=x2X_2 = x_2 E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2)E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2) E[P(X_1 | X_2 = x_2)] = \mu_1+\frac{\sigma_{12}}{\sigma_{22}}(x_2-\mu_2) y varianza:Var[P(X1|X2=x2)]=σ11−σ212σ22Var[P(X1|X2=x2)]=σ11−σ122σ22{\rm Var}[P(X_1 | X_2 = x_2)] = \sigma_{11}-\frac{\sigma_{12}^{2}}{\sigma_{22}} Tiene sentido que la varianza disminuya ya que tenemos más información. Pero, …

46 normal-distribution  multivariate-analysis  intuition 

El ejemplo de Stein muestra que la estimación de máxima verosimilitud de nnn variables normalmente distribuidas con medias μ1,…,μnμ1,…,μn\mu_1,\ldots,\mu_n varianzas 111 es inadmisible (bajo una función de pérdida cuadrada) si f n≥3n≥3n\ge 3 . Para una prueba clara, vea el primer capítulo de Inferencia a gran escala: Métodos empíricos de …

46 maximum-likelihood  unbiased-estimator  intuition  steins-phenomenon 

Veo que el concepto de 'intercambiabilidad' se usa en diferentes contextos (por ejemplo, modelos bayesianos) pero nunca he entendido muy bien el término. ¿Qué significa este concepto? ¿En qué circunstancias se invoca este concepto y por qué?

41 bayesian  intuition  exchangeability 

De Wikipedia: Supongamos que está en un programa de juegos y le dan la opción de tres puertas: detrás de una puerta hay un automóvil; detrás de los demás, cabras. Usted elige una puerta, dice el número 1, y el anfitrión, que sabe lo que hay detrás de las puertas, …

40 probability  intuition  puzzle 

Supongamos que XXX es una variable aleatoria con pdf fX(x)fX(x)f_X(x) . Entonces la variable aleatoria Y=X2Y=X2Y=X^2 tiene el pdf fY(y)={12y√(fX(y√)+fX(−y√))0y≥0y<0fY(y)={12y(fX(y)+fX(−y))y≥00y<0f_Y(y)=\begin{cases}\frac{1}{2\sqrt{y}}\left(f_X(\sqrt{y})+f_X(-\sqrt{y})\right) & y \ge 0 \\ 0 & y \lt 0\end{cases} Entiendo el cálculo detrás de esto. Pero estoy tratando de pensar en una manera de explicarlo a alguien que no …

37 random-variable  pdf  intuition 

Una versión muy simple del teorema limitado central como se muestra a continuación que es Lindeberg – Lévy CLT. No entiendo por qué hay un en el lado izquierdo. Y Lyapunov CLT dice pero por qué no ? ¿Alguien me diría cuáles son estos factores, como y ? ¿Cómo los …

36 central-limit-theorem  intuition 

Recientemente aprendí sobre un principio de razonamiento probabilístico llamado " explicar lejos ", y estoy tratando de captar una intuición para ello. Déjame configurar un escenario. Sea AAA el evento de que ocurra un terremoto. Que el evento BBB sea ​​el evento de que el gigante verde alegre pasee por …

36 probability  intuition 

Este mensaje en un artículo de Reuter del 25.02.2019 está actualmente en todas las noticias: La evidencia del calentamiento global provocado por el hombre alcanza el 'estándar de oro' [Los científicos] dijeron que la confianza de que las actividades humanas estaban elevando el calor en la superficie de la Tierra …

35 p-value  intuition  application  communication  climate 

¿Cuál es la diferencia entre la varianza finita e infinita? Mi conocimiento de estadísticas es bastante básico; Wikipedia / Google no fue de mucha ayuda aquí.

33 variance  intuition  partial-moments 

La fórmula para la probabilidad condicional de que ocurra dado que ha sucedido es:AA\text{A}BB\text{B}P(A | B)=P(A∩B)P(B).P(A | B)=P(A∩B)P(B). P\left(\text{A}~\middle|~\text{B}\right)=\frac{P\left(\text{A} \cap \text{B}\right)}{P\left(\text{B}\right)}. Mi libro de texto explica la intuición detrás de esto en términos de un diagrama de Venn. Dado que ha ocurrido, la única manera de que ocurra es que …

30 probability  conditional-probability  intuition 

Los modelos aditivos generalizados son aquellos donde y=α+f1(x1)+f2(x2)+eiy=α+f1(x1)+f2(x2)+ei y = \alpha + f_1(x_1) + f_2(x_2) + e_i por ejemplo. Las funciones son suaves y se deben estimar. Generalmente por splines penalizadas. MGCV es un paquete en R que lo hace, y el autor (Simon Wood) escribe un libro sobre su …

30 r  nonparametric  interaction  splines  intuition 

Supongamos que tenemos una variable aleatoria . Si fuera el parámetro verdadero, la función de probabilidad debería maximizarse y la derivada igual a cero. Este es el principio básico detrás del estimador de máxima verosimilitud.X∼f(x|θ)X∼f(x|θ)X \sim f(x|\theta)θ0θ0\theta_0 Según tengo entendido, la información de Fisher se define como I(θ)=E[(∂∂θf(X|θ))2]I(θ)=E[(∂∂θf(X|θ))2]I(\theta) = \Bbb …

29 bayesian  maximum-likelihood  likelihood  intuition  fisher-information 

Estoy tratando de entender un documento sobre el pronóstico de la carga eléctrica, pero estoy luchando con los conceptos internos, especialmente el modelo SARIMAX . Este modelo se usa para predecir la carga y utiliza muchos conceptos estadísticos que no entiendo (soy un estudiante universitario de ciencias de la computación; …

27 regression  time-series  arima  autoregressive  intuition 

¿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 …

26 distributions  random-variable  convergence  intuition