Thống kê và dữ liệu lớn

Giả sử chúng ta có khung dữ liệu sau: TY_MAX 141 1.004622 142 1.004645 143 1.004660 144 1.004672 145 1.004773 146 1.004820 147 1.004814 148 1.004807 149 1.004773 150 1.004820 151 1.004814 152 1.004834 153 1.005117 154 1.005023 155 1.004928 156 1.004834 157 1.004827 158 1.005023 159 1.005248 160 1.005355 …

8 quantiles  statsmodels 

Hãy xem xét một gia đình của các bản phân phối với PDF (lên đến hằng số tỉ lệ) do Nó được gọi như thế nào? Nếu nó không có tên, bạn sẽ gọi nó như thế nào?p ( x ) ~ 1( 1 + α x2)1 / α.p(x)∼1(1+αx2)1/α.p(x)\sim \frac{1}{(1+\alpha …

8 distributions  terminology  t-distribution  tsne  cauchy 

Giả sử chúng ta có hai đồng xu thiên vị C1và C2cả hai đều có xác suất quay đầu khác nhau. Chúng ta quăng C1 n1lần và nhận H1đầu, C2 n2lần và nhận H2đầu. Và chúng tôi thấy rằng tỷ lệ người đứng đầu cho một đồng tiền này cao …

8 probability  bernoulli-distribution 

Phiên bản ngắn Tôi đang cố gắng phân tích / giải quyết gần đúng khả năng tổng hợp kết quả từ các lần rút Poisson độc lập và lấy mẫu thêm có hoặc không có thay thế (tôi không thực sự quan tâm đến cái nào). Tôi muốn sử dụng …

8 mathematical-statistics  poisson-distribution  joint-distribution  approximation 

Đã đóng cửa . Câu hỏi này cần chi tiết hoặc rõ ràng . Nó hiện không chấp nhận câu trả lời. Bạn muốn cải thiện câu hỏi này? Thêm chi tiết và làm rõ vấn đề bằng cách chỉnh sửa bài đăng này . Đóng cửa 2 năm trước …

8 mathematical-statistics  descriptive-statistics  validity 

Trong một phần khác của trực giác về danh tính trong xác suất, hãy xem xét Luật định danh cơ bản của Phương sai tổng thể V a r ( X )= =E [ V a r (X | Y)]+ V a r (E[X | Y])Var(X)=E[Var(X|Y)]+Var(E[X|Y]) \begin{eqnarray} \rm{Var}(X) &=&\rm{E}[\rm{Var}(X|Y)] + …

8 variance  intuition 

Thông thường, trong văn học, các tác giả đã quan tâm đến việc tìm phân phối cố định của một quá trình chuỗi thời gian. Ví dụ, hãy xem xét quá trình AR ( ) đơn giản sau { X t } : X t = α X t - …

8 distributions  markov-process  stationarity  autoregressive  intuition 

Hàm hộp đen , được đánh giá theo chủ đề đối với nhiễu Gaussian, tức là , có thể được giảm thiểu bằng cách sử dụng tối ưu hóa Bayes trong đó Quy trình Gaussian được sử dụng làm mô hình hàm nhiễu. f ( x ) + N ( …

8 bayesian  optimization  bayesian-optimization 

Một số công việc lý thuyết quan trọng hiện nay đã được thực hiện trong lĩnh vực suy luận tiệm cận / lý thuyết mẫu lớn là gì? Phạm vi nghiên cứu trong lĩnh vực này ngay bây giờ là gì? Có bất kỳ vấn đề mở hoặc các lĩnh …

8 mathematical-statistics  references  inference  asymptotics 

Tôi đã ước tính một số biện pháp lặp lại các mô hình Hiệu ứng cố định, với thành phần lỗi lồng nhau, dựa trên các biến nhóm, tức là các mô hình không lồng nhau, sử dụng plm . Bây giờ tôi quan tâm đến kiểm tra xem các …

8 r  hypothesis-testing  repeated-measures  nested-data  plm 

Tôi là một bác sĩ vì vậy hãy tử tế với tôi và hiểu biết cơ bản về thống kê. Tôi có một bộ dữ liệu bao gồm các bệnh nhân và các lần thăm khám của họ và tôi đã dán nhãn sự hiện diện của một loại nốt …

8 probability  incidence-rate-ratio 

Các vấn đề thống kê liên quan đến khoảng tin cậy đối với trung bình dân số có thể được đóng khung theo hàm trọng số sau : w(α,n)≡tn−1,α/2n−−√for 0&lt;α&lt;1 and n&gt;1.w(α,n)≡tn−1,α/2nfor 0&lt;α&lt;1 and n&gt;1.w(\alpha, n) \equiv \frac{t_{n-1,\alpha/2}}{\sqrt{n}} \quad \quad \quad \quad \text{for } 0<\alpha<1 \text{ and } n > …

8 mathematical-statistics  t-distribution 

Tôi đang xem xét các biện pháp hiệu suất khác nhau cho các mô hình dự đoán. Rất nhiều đã được viết về các vấn đề sử dụng độ chính xác, thay vì một cái gì đó liên tục hơn để đánh giá hiệu suất mô hình. Frank Harrell http://www.fharrell.com/post/ …

8 machine-learning  predictive-models  accuracy 

Cô A chọn ngẫu nhiên một số từ phân phối thống nhất trên . Sau đó, ông B liên tục và độc lập, rút ​​các số từ phân phối thống nhất trên , cho đến khi ông nhận được một số lớn hơn , sau đó dừng lại. Tổng số …

8 probability  self-study  expected-value  conditional-expectation  geometric-distribution 

Câu hỏi này tiếp theo trên stats.stackexchange.com/q/233658 Mô hình hồi quy logistic cho các lớp {0, 1} là P(y=1|x)=exp(wTx)1+exp(wTx)P(y=0|x)=11+exp(wTx)P(y=1|x)=exp⁡(wTx)1+exp⁡(wTx)P(y=0|x)=11+exp⁡(wTx) \mathbb{P} (y = 1 \;|\; x) = \frac{\exp(w^T x)}{1 + \exp(w^T x)} \\ \mathbb{P} (y = 0 \;|\; x) = \frac{1}{1 + \exp(w^T x)} Rõ ràng các xác suất đó tổng …

8 logistic  neural-networks  multinomial-logit  softmax  identifiability