Câu hỏi được gắn thẻ «conditional-probability»

Xác suất xảy ra một sự kiện A, khi một sự kiện B khác được biết là xảy ra hoặc đã xảy ra. Nó thường được ký hiệu là P (A | B).

2
Tại sao không sử dụng định lý Bayes theo hình thức
Có rất nhiều câu hỏi (như thế này ) về một số sự mơ hồ với công thức Bayes trong trường hợp liên tục. p(θ|x)=p(x|θ)⋅p(θ)p(x)p(θ|x)=p(x|θ)⋅p(θ)p(x)p(\theta | x) = \frac{p(x | \theta) \cdot p(\theta)}{p(x)} Thông thường, sự nhầm lẫn xuất phát từ thực tế là định nghĩa phân phối có điều …
5
Xuất phát P (C | A + B) từ hai quy tắc của Cox
Tôi đang làm việc theo cách của mình (tự học) thông qua cuốn sách Lý thuyết xác suất của ET Jaynes - Logic của khoa học Vấn đề ban đầu Bài tập 2.1 nói: "Có thể tìm ra một công thức chung chop(C|A+B)p(C|A+B)p(C|A+B) tương tự như [công thức p(A+B|C)=p(A|C)+p(B|C)−p(AB|C)p(A+B|C)=p(A|C)+p(B|C)-p(MộtB|C)p(A+B|C)=p(A|C)+p(B|C)-p(AB|C)] từ …
1
Kỳ vọng có điều kiện của một dẫn xuất RV bị cắt ngắn, phân phối gumbel (khác biệt logistic)
Tôi có hai biến ngẫu nhiên được phân phối độc lập và giống hệt nhau, tức là :ϵ1,ϵ0∼iidGumbel(μ,β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta) F(ϵ)=exp(−exp(−ϵ−μβ)),F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f(ϵ)=1βexp(−(ϵ−μβ+exp(−ϵ−μβ))).f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = \dfrac{1}{\beta}\exp(-\left(\frac{\epsilon-\mu}{\beta}+\exp(-\frac{\epsilon-\mu}{\beta})\right)). Tôi đang cố gắng tính hai đại lượng: Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[c+\epsilon_{1}|c+\epsilon_{1}>\epsilon_{0}\right] Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[\epsilon_{0}|c+\epsilon_{1}<\epsilon_{0}\right] Tôi đi đến một điểm mà tôi cần thực hiện tích hợp trên …
1
Hạt nhân chuyển tiếp Gibbs Sampler
Hãy được phân phối mục tiêu trên mà là hoàn toàn liên tục WRT cho chiều đo Lebesgue, ví dụ:ππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd ππ\pi thừa nhận mật độ wrt thành với π(x1,...,xd)π(x1,...,xd)\pi(x_1,...,x_d)λdλd\lambda^dλd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)λd(dx1,...,dxd)=λ(dx1)⋅⋅⋅λ(dxd)\lambda^d(dx_1,...,dx_d) = \lambda(dx_1) \cdot \cdot \cdot \lambda (dx_d) Chúng ta hãy giả sử rằng các điều kiện đầy đủ từ được biết …
1
Xác suất để vẽ một quả bóng đen trong một tập hợp các quả bóng đen và trắng với các điều kiện thay thế hỗn hợp
Khi một quả bóng đen được rút ra, nó không được thay thế trong tập hợp, nhưng những quả bóng màu trắng được thay thế. Tôi đã nghĩ về điều này, với các ký hiệu: wbbb , số ban đầu của bóng đen và trắngwww xi=(b−i)/(b+w−i)xi=(b−i)/(b+w−i)x_i = (b - i)/(b …
2
Tại sao một mô hình thống kê sẽ phù hợp hơn nếu được cung cấp một bộ dữ liệu khổng lồ?
Dự án hiện tại của tôi có thể yêu cầu tôi xây dựng một mô hình để dự đoán hành vi của một nhóm người nhất định. tập dữ liệu huấn luyện chỉ chứa 6 biến (id chỉ dành cho mục đích nhận dạng): id, age, income, gender, job category, …
8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 
1
Khoảng tin cậy khi sử dụng định lý Bayes
Tôi đang tính toán một số xác suất có điều kiện và liên quan đến khoảng tin cậy 95%. Đối với nhiều trường hợp của tôi, tôi có đếm đơn giản của xnhững thành công ra khỏi nthử nghiệm (từ một bảng dự phòng), vì vậy tôi có thể sử …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.