Thống kê và dữ liệu lớn

Q & A cho những người quan tâm đến thống kê, học máy, phân tích dữ liệu, khai thác dữ liệu và trực quan hóa dữ liệu


1
Giải thích phân tách chuỗi thời gian bằng TBATS từ gói dự báo R
Tôi muốn phân tách dữ liệu chuỗi thời gian sau thành các thành phần theo mùa, xu hướng và dư. Dữ liệu là một Hồ sơ năng lượng làm mát hàng giờ từ một tòa nhà thương mại: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Do đó, có những hiệu ứng …

1
Tên cho một phân phối giữa cấp số nhân và gamma?
Mật độ f(s)∝ss+αe−s,s>0f(s)∝ss+αe−s,s>0f(s)\propto \frac{s}{s+\alpha}e^{-s},\quad s > 0 nơiα≥0α≥0\alpha \ge 0 là một tham số, sống giữa mũ (α=0α=0\alpha=0 ) vàΓ(2,1)Γ(2,1)\Gamma(2,1) (α→∞α→∞\alpha \to \infty ) phân phối. Chỉ tò mò nếu điều này xảy ra là một ví dụ về một gia đình phân phối tổng quát hơn? Tôi không nhận …



1
MLE của bất thường không bình thường khi ?
Giả sử có pdf(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Mật độ của mẫu được rút ra từ quần thể này là do(X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} Công cụ ước tính khả năng tối đa của có thể được suy ra làθθ\theta …



2
Tại sao bổ đề Neyman-Pearson là một bổ đề mà không phải là một định lý?
Đây là một câu hỏi lịch sử nhiều hơn là một câu hỏi kỹ thuật. Tại sao bổ đề `` Neyman-Pearson '' là Bổ đề mà không phải là Định lý? liên kết tới wiki: https://en.wikipedia.org/wiki/Neyman%E2%80%93Pearson_lemma Lưu ý : Câu hỏi không phải là về bổ đề là gì và …

4
Là dự đoán ngẫu nhiên, nghiêm túc, nói đúng không phải là một phép chiếu?
Các triển khai hiện tại của thuật toán Chiếu ngẫu nhiên làm giảm tính chiều của các mẫu dữ liệu bằng cách ánh xạ chúng từ RdRd\mathbb R^d đến RkRk\mathbb R^k bằng ma trận chiếu d×kd×kd\times kRRR có các mục nhập là iid từ một phân phối phù hợp (ví …






Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.