Preguntas etiquetadas con linear

Digamos que tenemos un vector aleatorio , extraído de una distribución con función de densidad de probabilidad . Si lo transformamos linealmente por un rango completo matriz para obtener , entonces la densidad de viene dada porX⃗ ∈RnX→∈Rn\vec{X} \in \mathbb{R}^nfX⃗ (x⃗ )fX→(x→)f_\vec{X}(\vec{x})n×nn×nn \times nAAAY⃗ =AX⃗ Y→=AX→\vec{Y} = A\vec{X}Y⃗ Y→\vec{Y}fY⃗ (y⃗ …

12 references  random-variable  pdf  linear 

Después de analizar esta pregunta: Intentando emular la regresión lineal usando Keras , he intentado dar mi propio ejemplo, solo para estudiar y desarrollar mi intuición. Descargué un conjunto de datos simple y usé una columna para predecir otra. Los datos se ven así: Ahora acabo de crear un modelo …

12 regression  machine-learning  neural-networks  linear  keras 

Los modelos de efectos lineales mixtos son extensiones de modelos de regresión lineal para datos que se recopilan y resumen en grupos. Las ventajas clave son que los coeficientes pueden variar con respecto a una o más variables de grupo. Sin embargo, estoy luchando con cuándo usar el modelo de …

11 regression  mixed-model  random-effects-model  linear 

Cuando queremos estimar los parámetros de regresión lineal, hacemos ecuaciones normales, ya que el modelo lineal contiene varias incógnitas. ¿Por qué estas ecuaciones se llaman ecuaciones normales?

11 regression  least-squares  terminology  linear 

Mi conjunto de datos ( ) tiene una variable dependiente (DV), cinco variables de "línea base" independientes (P1, P2, P3, P4, P5) y una variable de interés independiente (Q).norte≈ 10 , 000norte≈10,000N \approx 10,000 He ejecutado regresiones lineales de OLS para los siguientes dos modelos: DV ~ 1 + P1 …

10 regression  linear  r-squared 

¿Cómo interpreta una curva de supervivencia del modelo de riesgo proporcional de Cox? En este ejemplo de juguete, supongamos que tenemos un modelo de riesgo proporcional de Cox ageen kidneydatos variables y generamos la curva de supervivencia. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Por ejemplo, en el …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Es bien sabido que una combinación lineal de 2 variables normales aleatorias también es una variable normal aleatoria. ¿Hay alguna familia común de distribución no normal (por ejemplo, Weibull) que también comparte esta propiedad? Parece que hay muchos contraejemplos. Por ejemplo, una combinación lineal de uniformes no suele ser uniforme. …

9 distributions  linear 

Estoy leyendo un texto, "Probabilidad y estadística" de Devore. Estoy viendo 2 ítems en la página 740: el valor esperado y la varianza de la estimación de β1β1\beta_1 , que es el parámetro de pendiente en la regresión lineal Yi=β0+β1Xi+ϵiYi=β0+β1Xi+ϵiY_i = \beta_0 + \beta_1 X_i + \epsilon_i . ϵiϵi\epsilon_i es …

8 regression  self-study  linear 

Podemos simular una regresión lineal sin aleatoriedad, lo que significa que hacemos lugar de . Entonces, si ajustamos un modelo lineal, los coeficientes serán idénticos a la "verdad fundamental". Aquí hay un ejemplo.y= Xβy=Xβy=X\betay= Xβ+ ϵy=Xβ+ϵy=X\beta+\epsilon set.seed(0) n <- 1e5 p <- 3 X <- matrix(rnorm(n*p), ncol=p) beta <- runif(p) …

8 r  logistic  regularization  linear  separation 

Tengo datos que describen con qué frecuencia tiene lugar un evento durante una hora ("número por hora", nph) y cuánto duran los eventos ("duración en segundos por hora", dph). Estos son los datos originales: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution