Preguntas etiquetadas con mathematical-statistics

Supongamos que sabemos p (x, y), p (x, z) y p (y, z), ¿es cierto que la distribución conjunta p (x, y, z) es identificable? Es decir, ¿solo hay una posible p (x, y, z) que tiene márgenes superiores?

14 distributions  mathematical-statistics 

Supongamos que define: X∼Beta(α,β)X∼Beta(α,β)X\sim\mbox{Beta}(\alpha,\beta) Y∼Φ−1(X)Y∼Φ−1(X)Y\sim \Phi^{-1}(X) donde Φ−1Φ−1\Phi^{-1} es el inverso del CDF de la distribución normal estándar . Mi pregunta es: ¿hay una distribución simple que siga YYY , o que pueda aproximarse a YYY ? Pregunto porque tengo una fuerte sospecha basada en los resultados de la simulación …

14 r  normal-distribution  mathematical-statistics  beta-distribution 

Probablemente no tengo una comprensión clara de la paradoja de Simpson . Informalmente sé que el promedio de respuesta Y1, agrupado en todos los niveles posibles del factor A, puede ser mayor que el promedio de respuesta Y2 en todos los niveles de A, incluso si el promedio de Y1 …

14 mathematical-statistics  simpsons-paradox 

Estoy bastante inclinado a las matemáticas, tuve 6 semestres de matemáticas en mi licenciatura, aunque estoy un poco fuera de práctica y lento con, por ejemplo, ecuaciones diferenciales parciales e integrales de camino, mis conceptos vuelven con un poco de práctica. No he tenido un curso sobre pruebas matemáticas (pensamiento …

14 mathematical-statistics  references 

Supongamos que tienes ocho corredores corriendo una carrera; la distribución de sus tiempos de ejecución individuales es Normal y cada uno tiene una media de 111111 segundos, por ejemplo. La desviación estándar del corredor uno es la más pequeña, dos la segunda más pequeña, la tercera más pequeña, etc., y …

14 probability  normal-distribution  mathematical-statistics  order-statistics 

Cita de wikipedia: En estadística, un estimador consistente o estimador asintóticamente consistente es un estimador, una regla para calcular las estimaciones de un parámetro la propiedad de que a medida que el número de puntos de datos utilizados aumenta indefinidamente, la secuencia resultante de estimaciones converge en probabilidad a .θ …

14 machine-learning  mathematical-statistics  consistency 

Estaba leyendo sobre el cálculo de la estimación imparcial de la desviación estándar y la fuente que leí decía (...) excepto en algunas situaciones importantes, la tarea tiene poca relevancia para las aplicaciones de estadísticas, ya que su necesidad se evita mediante procedimientos estándar, como el uso de pruebas de …

14 bayesian  statistical-significance  mathematical-statistics  standard-deviation  standard-error 

La mayoría de los resultados asintóticos en las estadísticas demuestran que como un estimador (como el MLE) converge a una distribución normal basada en una expansión taylor de segundo orden de la función de probabilidad. Creo que hay un resultado similar en la literatura bayesiana, el "Teorema del límite central …

14 mathematical-statistics  asymptotics  saddlepoint-approximation 

Parece haber mucha confusión en la comparación de usar glmnetdentro caretpara buscar una lambda óptima y usar cv.glmnetpara hacer la misma tarea. Se plantearon muchas preguntas, por ejemplo: Modelo de clasificación train.glmnet vs. cv.glmnet? ¿Cuál es la forma correcta de usar glmnet con caret? Validación cruzada de `glmnet` usando` caret` …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

Contexto : Quiero trazar una línea en un diagrama de dispersión que no aparece paramétrico, por lo tanto, estoy usando geom_smooth()en ggploten R. Devuelve automáticamente. geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to …

14 r  gam  splines  loess  r  data-visualization  boxplot  mathematical-statistics  theory  sufficient-statistics  machine-learning  classification  correlation  svm  feature-selection  probability  stochastic-processes  machine-learning  reinforcement-learning 

Estoy revisando un documento que usa la desigualdad del oráculo para probar algo, pero no puedo entender lo que está tratando de hacer. Cuando busqué en línea sobre 'Oracle Inequality', algunas fuentes me dirigieron al artículo "Candes, Emmanuel J. 'Estimación estadística moderna a través de las desigualdades del oráculo'. "que …

14 mathematical-statistics  estimation  probability-inequalities  inequality  oracle 

Tengo problemas para entender por qué nos importa si un proceso de MA es invertible o no. Corríjame si me equivoco, pero puedo entender por qué nos importa si un proceso AR es causal o no, es decir, si podemos "reescribirlo", por así decirlo, como la suma de algún parámetro …

14 time-series  mathematical-statistics  autoregressive  moving-average 

Si todo lo que está haciendo es volver a tomar muestras de la distribución empírica, ¿por qué no solo estudiar la distribución empírica? Por ejemplo, en lugar de estudiar la variabilidad mediante muestreo repetido, ¿por qué no cuantificar la variabilidad a partir de la distribución empírica?

13 machine-learning  mathematical-statistics  sampling  bootstrap  resampling 

Encontré una prueba para una de las propiedades del modelo ARCH que dice que si , entonces es estacionario iff donde el modelo ARCH es:{ X t } ∑ p i = 1 b i &lt; 1E(X2t)&lt;∞E(Xt2)&lt;∞\mathbb{E}(X_t^2) < \infty{Xt}{Xt}\{X_t\}∑pi=1bi&lt;1∑i=1pbi&lt;1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 = b_0 + b_1X_{t-1}^2 + …

13 mathematical-statistics  stationarity  garch 

Como estoy seguro de que todos aquí ya lo saben, el PDF de la distribución Beta está dado porX∼ B ( a , b )X∼si(un,si)X \sim B(a,b) F( x ) = 1B ( a , b )Xa - 1( 1 - x )b - 1F(X)=1si(un,si)Xun-1(1-X)si-1f(x) = \frac{1}{B(a,b)}x^{a-1}(1-x)^{b-1} He estado buscando …

13 probability  mathematical-statistics  pdf  beta-distribution  history