Câu hỏi được gắn thẻ «beta-distribution»

Một họ hai tham số của các phân phối đơn biến được xác định trên khoảng [0,1].

2
UMVUE của trong khi lấy mẫu từ dân số
Đặt là một mẫu ngẫu nhiên từ mật độ(X1,X2,…,Xn)(X1,X2,…,Xn)(X_1,X_2,\ldots,X_n)fθ(x)=θxθ−110<x<1,θ>0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Tôi đang cố gắng tìm UMVUE của .θ1+θθ1+θ\frac{\theta}{1+\theta} Mật độ chung của là(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp[(θ−1)∑i=1nlnxi+nlnθ+ln(10<x1,…,xn<1)],θ>0fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp⁡[(θ−1)∑i=1nln⁡xi+nln⁡θ+ln⁡(10<x1,…,xn<1)],θ>0\begin{align} f_{\theta}(x_1,\cdots,x_n)&=\theta^n\left(\prod_{i=1}^n x_i\right)^{\theta-1}\mathbf1_{00 \end{align} Vì dân số pdf thuộc họ hàm mũ một tham số, điều này cho thấy rằng một thống kê đầy đủ cho làfθfθf_{\theta}θθ\thetaT(X1,…,Xn)=∑i=1nlnXiT(X1,…,Xn)=∑i=1nln⁡XiT(X_1,\ldots,X_n)=\sum_{i=1}^n\ln …


1
Mô hình học sâu nào có thể phân loại các danh mục không loại trừ lẫn nhau
Ví dụ: Tôi có một câu trong mô tả công việc: "Kỹ sư cao cấp Java ở Anh". Tôi muốn sử dụng một mô hình học tập sâu để dự đoán nó thành 2 loại: English và IT jobs. Nếu tôi sử dụng mô hình phân loại truyền thống, nó …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

4
Làm cách nào để diễn giải đường cong sinh tồn của mô hình nguy hiểm Cox?
Làm thế nào để bạn giải thích một đường cong sống sót từ mô hình nguy cơ tỷ lệ cox? Trong ví dụ về đồ chơi này, giả sử chúng ta có mô hình nguy hiểm theo tỷ lệ cox trên agebiến trong kidneydữ liệu và tạo đường cong sinh …



2

1
Thống kê đơn hàng để phân phối beta
Hãy được iid vẽ từ B e t một ( kx1, ... , xnx1,Giáo dục,xnx_1,\dots,x_n. Làm thế nào là thống kê đơn hàng tối thiểu và tối đa được phân phối, tương ứng?B e t a ( k2, k - p - 12)Betmột(k2,k-p-12)Beta\left(\frac{k}2,\frac{k-p-1}{2}\right) Tôi sẽ đánh giá rất cao một …

1
Hình thức đóng cửa cho
Chúng ta biết rằng nếu p∼Beta(α,β)p∼Beta(α,β)p \sim Beta(\alpha, \beta) , sau đó E[lnp]=ψ(α)−ψ(α+β)E[ln⁡p]=ψ(α)−ψ(α+β) \mathbb{E}[\ln p] = \psi(\alpha) - \psi(\alpha + \beta) nơi ψ(.)ψ(.)\psi(.) Là hàm Digamma. Có một hình thức dễ dàng cho E[ln(1−p)]E[ln⁡(1−p)] \mathbb{E}[\ln (1-p)] không?


1
Jeffreys 'trước khi phân phối Beta
Nếu khả năng của tôi có hình thức phân phối beta và tôi muốn sử dụng Jeffreys trước cho các tham số của nó, thì hình thức trước là gì? Đối với một số phân phối, nó khá thẳng về phía trước để tính toán. ví dụ, trong trường hợp …

1
Hạt nhân cosine có thể được hiểu là một trường hợp phân phối Beta?
Theo ghi nhận của Wand và Jones (1995), hầu hết các hạt nhân tiêu chuẩn có thể được coi là một trường hợp K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|&lt;1}K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|&lt;1} K(x;p) = \{ 2^{2p+1} \; \mathrm{B}(p+1,p+1) \}^{-1} \; (1-x^2)^p \;\boldsymbol{1}_{\{|x|<1\}} gia đình, trong đó B(⋅,⋅)B(⋅,⋅)\mathrm{B}(\cdot,\cdot) là một hàm Beta. Các giá trị khác nhau của ppp …

3
Phân phối
Giả sử có phân phối beta Beta và theo một bình phương chi với độ. Ngoài ra, chúng tôi giả định rằng và là độc lập.XXX(1,K−1)(1,K−1)(1,K-1)YYY2K2K2KXXXYYY Phân phối của sản phẩmZ=XYZ=XYZ=XY . Cập nhật Nỗ lực của tôi: fZ=∫y=+∞y=−∞1|y|fY(y)fX(zy)dy=∫+∞01B(1,K−1)2KΓ(K)1yyK−1e−y/2(1−z/y)K−2dy=1B(1,K−1)2KΓ(K)∫+∞0e−y/2(y−z)K−2dy=1B(1,K−1)2KΓ(K)[−2K−1e−z/2Γ(K−1,y−z2)]∞0=2K−1B(1,K−1)2KΓ(K)e−z/2Γ(K−1,−z/2)fZ=∫y=−∞y=+∞1|y|fY(y)fX(zy)dy=∫0+∞1B(1,K−1)2KΓ(K)1yyK−1e−y/2(1−z/y)K−2dy=1B(1,K−1)2KΓ(K)∫0+∞e−y/2(y−z)K−2dy=1B(1,K−1)2KΓ(K)[−2K−1e−z/2Γ(K−1,y−z2)]0∞=2K−1B(1,K−1)2KΓ(K)e−z/2Γ(K−1,−z/2)\begin{align} f_Z &= \int_{y=-\infty}^{y=+\infty}\frac{1}{|y|}f_Y(y) f_X \left (\frac{z}{y} \right ) dy \\ &= …

1
Phát hiện ngoại lệ trong bản phân phối beta
Nói rằng tôi có một mẫu giá trị lớn trong . Tôi muốn ước tính phân phối . Phần lớn các mẫu đến từ phân phối giả định này , trong khi phần còn lại là các ngoại lệ mà tôi muốn bỏ qua trong ước tính và .[0,1][0,1][0,1]Beta(α,β)Beta(α,β)\text{Beta}(\alpha, \beta)Beta(α,β)Beta(α,β)\text{Beta}(\alpha, …

1
Sản phẩm của bản phân phối beta
Tôi đang xem xét hiệu quả kích hoạt, có nghĩa là tôi có một số thiết bị kích hoạt trong số sự kiện. Cuối cùng, tôi quan tâm đến một số ước tính về hiệu quả , đó là xác suất để bắn vào một sự kiện được đưa ra …

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.