Preguntas etiquetadas con probability

Una probabilidad proporciona una descripción cuantitativa de la ocurrencia probable de un evento particular.

4
La apuesta de Blackwell
He leído sobre la paradoja de la apuesta de Blackwell en el armario de Futility . Aquí está el resumen: se le presentan dos sobres, y . Los sobres contienen una cantidad aleatoria de dinero, pero no sabe nada sobre la distribución del dinero. Abre uno, verifica cuánto dinero hay …
1
¿Habrá alguna vez un Tribble infeliz en Oz?
Aquí hay un problema divertido que me trajo un estudiante. Aunque originalmente fue redactado en términos de balas aniquiladas mutuamente disparadas a intervalos regulares por un arma, pensé que podría disfrutar de una presentación más pacífica. En el mundo infinito y plano de Oz, el camino de ladrillos amarillos comienza …
2
¿Sigue siendo válido el teorema de Slutsky cuando dos secuencias convergen en una variable aleatoria no degenerada?
Estoy confundido acerca de algunos detalles sobre el teorema de Slutsky : Sean , dos secuencias de elementos aleatorios escalares / vectoriales / matriciales.{Xn}{Xn}\{X_n\}{Yn}{Yn}\{Y_n\} Si converge en distribución a un elemento aleatorio e converge en probabilidad a una constante , entonces siempre que sea ​​invertible, donde denota convergencia en la …
1
Distribución especial de probabilidad
Si es una distribución de probabilidad con valores distintos de cero en , para qué tipo (s) de existe una constante tal que para todos ?p(x)p(x)p(x)[0,+∞)[0,+∞)[0,+\infty)p(x)p(x)p(x)c>0c>0c\gt 0∫∞0p(x)logp(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2∫0∞p(x)log⁡p(x)(1+ϵ)p(x(1+ϵ))dx≤cϵ2\int_0^{\infty}p(x)\log{\frac{ p(x)}{(1+\epsilon)p({x}(1+\epsilon))}}dx \leq c \epsilon^20<ϵ<10<ϵ<10\lt\epsilon\lt 1 La desigualdad anterior es en realidad una divergencia Kullback-Leibler entre la distribución y una versión comprimida de ella …
2
¿Cómo elegir el ancho óptimo del contenedor mientras se calibran los modelos de probabilidad?
Antecedentes: Aquí hay algunas preguntas / respuestas excelentes sobre cómo calibrar modelos que predicen las probabilidades de que ocurra un resultado. Por ejemplo Puntuación de Brier , y su descomposición en resolución, incertidumbre y fiabilidad . Gráficos de calibración y regresión isotónica . Estos métodos a menudo requieren el uso …
2
¿Cómo encontrar cuando es una función de densidad de probabilidad?
¿Como puedo resolver esto? Necesito ecuaciones intermedias. Quizás la respuesta es .−tf(x)−tf(x)-tf(x) ddt[∫∞txf(x)dx]ddt[∫t∞xf(x)dx] \frac{d}{dt} \left [\int_t^\infty xf(x)\,dx \right ] f(x)f(x)f(x) es la función de densidad de probabilidad. Es decir, y \ lim \ limits_ {x \ to \ infty} F (x) = 1limx→∞f(x)=0limx→∞f(x)=0\lim\limits_{x \to \infty} f(x) = 0limx→∞F(x)=1limx→∞F(x)=1\lim\limits_{x \to \infty} …
4
¿Qué proporción de distribuciones independientes da una distribución normal?
La relación de dos distribuciones normales independientes da una distribución de Cauchy. La distribución t es una distribución normal dividida por una distribución chi-cuadrado independiente. La relación de dos distribuciones chi-cuadrado independientes da una distribución F. ¿Estoy buscando una relación de distribuciones continuas independientes que proporcione una variable aleatoria normalmente …
5
¿Cómo realizar la imputación de valores en una gran cantidad de puntos de datos?
Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Ratio de probabilidades vs ratio de PDF
Estoy usando Bayes para resolver un problema de agrupamiento. Después de hacer algunos cálculos termino con la necesidad de obtener la razón de dos probabilidades: P(A)/P(B)P(A)/P(B)P(A)/P(B) para poder obtener . Estas probabilidades se obtienen mediante la integración de dos KDE multivariados 2D diferentes como se explica en esta respuesta :P(H|D)P(H|D)P(H|D) …
2
Intuición detrás de la función de densidad de distribuciones t
Estoy estudiando sobre la distribución t de Student y comencé a preguntarme cómo derivaría la función de densidad de distribuciones t (de wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): f(t)=Γ(v+12)vπ−−√Γ(v2)(1+t2v)−v+12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} donde es los grados de libertad y \ Gamma es la función gamma. ¿Cuál es la intuición de esta función? Quiero …
2
Integrando el estimador de densidad del kernel en 2D
Vengo de esta pregunta en caso de que alguien quiera seguir el rastro. Básicamente tengo un conjunto de datos ΩΩ\Omega compuesto de NNN objetos donde cada objeto tiene un número dado de valores medidos adjuntos (dos en este caso): Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] Necesito una …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.