Câu hỏi được gắn thẻ «discrete-data»

Đề cập đến dữ liệu được tạo từ phân phối có không gian mẫu có thể đếm được. Thẻ dữ liệu rời rạc có thể bao gồm dữ liệu phân loại, cho dù là danh nghĩa (ví dụ: phân phối chủng tộc trong một mẫu của các cá nhân) hoặc thứ tự (ví dụ như tình trạng kinh tế xã hội) hoặc một biến thiên ngẫu nhiên rời rạc thực tế, chẳng hạn như một tập hợp các sự kiện (ví dụ số lỗi trên một trang văn bản). Dữ liệu rời rạc không nhất thiết phải là số nguyên, tuy nhiên.








2
Phát hiện bất thường với các tính năng giả (và các tính năng rời rạc / phân loại khác)
tl; dr Cách được đề xuất để đối phó với discretedữ liệu khi thực hiện phát hiện bất thường là gì? Cách được đề xuất để đối phó với categoricaldữ liệu khi thực hiện phát hiện bất thường là gì? Câu trả lời này gợi ý sử dụng dữ liệu …




3
Công thức xác suất cho phân phối đa biến-bernoulli
Tôi cần một công thức cho xác suất của một sự kiện trong phân phối Bernoulli n-variate với xác suất cho một phần tử và cho các cặp phần tử . Tương tôi có thể cung cấp cho trung bình và hiệp phương sai của .X∈{0,1}nX∈{0,1}nX\in\{0,1\}^nP(Xi=1)=piP(Xi=1)=piP(X_i=1)=p_iP(Xi=1∧Xj=1)=pijP(Xi=1∧Xj=1)=pijP(X_i=1 \wedge X_j=1)=p_{ij}XXX Tôi đã …


3
Hình dung phân phối nhị thức bivariate
Câu hỏi: phân phối nhị thức bivariate trông như thế nào trong không gian 3 chiều? Dưới đây là chức năng cụ thể mà tôi muốn hình dung cho các giá trị khác nhau của các tham số; cụ thể là , và .p 1nnnp1p1p_{1}p2p2p_{2} f(x1,x2)=n!x1!x2!px11px22,x1+x2=n,p1+p2=1.f(x1,x2)=n!x1!x2!p1x1p2x2,x1+x2=n,p1+p2=1.f(x_{1},x_{2}) = \frac{n!}{x_{1}!x_{2}!}p_{1}^{x_{1}}p_{2}^{x_{2}}, \qquad x_{1}+x_{2}=n, …


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.