सांख्यिकी और बिग डेटा

Q & A में सांख्यिकी, मशीन लर्निंग, डेटा विश्लेषण, डेटा माइनिंग और डेटा विज़ुअलाइज़ेशन में रुचि रखने वाले लोगों के लिए

2
नेमन-पीयरसन ने एक लेम्मा क्यों और एक प्रमेय नहीं है?
यह तकनीकी प्रश्न की तुलना में इतिहास का प्रश्न है। `` नेमन-पियरसन लेम्मा '' एक लेम्मा और एक प्रमेय क्यों नहीं है? wiki का लिंक: https://en.wikipedia.org/wiki/Neyman%E2%80%93Pearson_lemma एनबी : सवाल यह नहीं है कि एक लेम्मा क्या है और कैसे नींबू का उपयोग एक प्रमेय साबित करने के लिए किया जाता …

4
"यादृच्छिक प्रक्षेपण" सख्ती से एक प्रक्षेपण नहीं बोल रहा है?
रैंडम प्रक्षेपण एल्गोरिथ्म के वर्तमान कार्यान्वयन उन लोगों से मैप करके डेटा के नमूनों की आयामी स्वरूप को कम करने के लिए एक का उपयोग कर प्रक्षेपण मैट्रिक्स जिसकी प्रविष्टियों से उदाहरण के लिए एक उपयुक्त वितरण (से आईआईडी कर रहे हैं ):आरघRd\mathbb R^dआरकRk\mathbb R^kघ× केd×kd\times kआरRRएन( 0 , 1 …

7
मॉडल निर्माण में सामाजिक भेदभाव से बचना
मेरे पास अमेज़ॅन के हालिया भर्ती घोटाले से प्रेरित प्रश्न हैं, जहां उनकी भर्ती प्रक्रिया में महिलाओं के साथ भेदभाव का आरोप लगाया गया था। अधिक जानकारी यहाँ : Amazon.com इंक के मशीन-लर्निंग विशेषज्ञों ने एक बड़ी समस्या को उजागर किया: उनका नया भर्ती इंजन महिलाओं को पसंद नहीं आया। …

2
एक्सपोजरिएट लॉजिस्टिक रिग्रेशन गुणांक को "ऑड्स रेशियो" क्यों माना जाता है?
लॉजिस्टिक रिग्रेशन किसी घटना के लॉग ऑड्स को भविष्यवाणियों के कुछ सेट के रूप में मॉडल करता है। अर्थात्, लॉग (पी / (1-पी)) जहां पी कुछ परिणाम की संभावना है। इस प्रकार, कुछ चर (x) के लिए कच्चे लॉजिस्टिक प्रतिगमन गुणांक की व्याख्या लॉग ऑड्स स्केल पर होनी चाहिए। यही …

3
रैखिक प्रतिगमन में w के बंद रूप में पीछे अंतर्ज्ञान
रैखिक प्रतिगमन में w के बंद रूप को लिखा जा सकता है w^=(XTX)−1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty हम इस समीकरण में की भूमिका को सहजता से कैसे समझा सकते हैं ?(XTX)−1(XTX)−1(X^TX)^{-1}

3
एक विवश (गैर-नकारात्मक) कम से कम वर्गों में पी-मानों की गणना करना
मैं Matlab का उपयोग अनर्गल कम से कम वर्ग (साधारण न्यूनतम वर्ग) करने के लिए कर रहा हूं और यह स्वचालित रूप से गुणांक, परीक्षण आँकड़ा और पी-वैल्यू को आउटपुट करता है। मेरा सवाल है, विवश कम से कम वर्ग (कड़ाई से गैर-गुणांक गुणांक) करने पर, यह केवल परीक्षण के …

2
सामान्यीकृत सामान्य वितरण के लिए प्रस्ताव वितरण
मैं एक सामान्यीकृत सामान्य वितरण ( विकिपीडिया प्रविष्टि ) का उपयोग करके संयंत्र फैलाव का मॉडलिंग कर रहा हूं , जिसमें संभावना घनत्व फ़ंक्शन है: b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} जहां ddd दूरी की यात्रा है, aaa स्केल पैरामीटर है, और bbb आकार पैरामीटर है। इस वितरण के मानक विचलन द्वारा यात्रा …

1
मछली पकड़ने की समस्या
मान लीजिए आप सुबह 8 बजे- 8 बजे से पास की झील में मछली पकड़ने जाना चाहते हैं। ओवरफिशिंग के कारण, एक कानून बनाया गया है जो कहता है कि आप प्रति दिन केवल एक मछली पकड़ सकते हैं। जब आप एक मछली को पकड़ते हैं, तो आप इसे या …

1
डीएई और स्टोकेस्टिक बैकप्रोपेगेशन के बीच डीप जेनेरेटिव मॉडल्स में क्या अंतर है?
डीप जेनेरेशन मॉडल्स के लिए ऑटो-एन्कोडिंग वेरिएशन बेस और स्टोचैस्टिक बैकप्रोपैजेशन में क्या अंतर है ? क्या दोनों तरीकों से अनुमान लगाने से परिणाम समान होते हैं? मुझे दो तरीकों के बीच किसी भी स्पष्ट तुलना की जानकारी नहीं है, इसके बावजूद कि लेखकों के दोनों समूह एक-दूसरे का हवाला …

2
सामान्य गाऊसी वैक्टर के रैखिक परिवर्तन
मुझे निम्नलिखित कथन को सिद्ध करने में कठिनाई हो रही है। यह Google पर पाए गए एक शोध पत्र में दिया गया है। मुझे इस कथन को सिद्ध करने में सहायता की आवश्यकता है! चलो है, जहां orthogonal मैट्रिक्स और गाऊसी है। गौसियन का समस्थानिक व्यवहार जो किसी भी अलौकिक …

2
"डेटा को स्वयं बोलने दें" इसका क्या उद्देश्य है?
निम्नलिखित पत्र पढ़ने में , मैं निम्नलिखित कथन पर आया: जैसा कि उल्लेख किया गया है, यह प्रायः बेंज़ेक्री [1973] के विचार के अनुसार, संभाव्य मॉडल के संदर्भ के बिना प्रस्तुत किया जाता है, "डेटा को स्वयं के लिए बोलने दें।" (उद्धरण जेपी बेंज़रेक से है। लेनिअलसे डेस डोनेस। टोम …
10 eda  quotation 

1
UMVUE के अस्तित्व पर और mathta के अनुमान के विकल्प में जनसंख्या
आज्ञा देना जनसंख्या से लिया गया एक यादृच्छिक नमूना है जहाँ ।(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R मैं Theta के UMVUE की तलाश कर रहा हूं ।θθ\theta का संयुक्त घनत्व है(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , जहां और ।ज(x)=१g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf x)=1 इधर, पर निर्भर …

3
"व्यावहारिक" परीक्षण: वे क्या हैं?
ट्विटर पर, एक परीक्षणकर्ता स्टुअर्ट निकोल्स ने हाल ही में प्रकाशित अध्ययन को यह कहकर आलोचना की: दाल-रे द्वारा बहुत दिलचस्प पेपर के आगे वे कई उदाहरणों को चिह्नित करते हैं जो व्यावहारिक शब्द का उपयोग करते हैं। क्या एक चरण 3, मल्टीसाइट, डबल-ब्लाइंड, प्लेसीबो-नियंत्रित, समानांतर-हाथ, खुराक वृद्धि यादृच्छिक परीक्षण …

1
नकारात्मक संभावनाएं: आम स्पष्टीकरण
मैं यहाँ के जवाब से बहुत इंट्रेस्टिंग था । मैं उदाहरणों के साथ नकारात्मक संभावनाओं का क्या अर्थ हो सकता है और उनके अनुप्रयोगों की अधिक व्याख्या करना चाहूंगा। उदाहरण के लिए, संभाव्यता के इन विस्तारित उपायों के अनुसार, किसी घटना के लिए प्रायिकता -10% होने का क्या अर्थ होगा?

3
दो चर के योग के सूत्र के पीछे अंतर्ज्ञान
मुझे पिछले अध्ययनों से पता है कि Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B) = Var(A) + Var(B) + 2 Cov (A,B) हालाँकि, मुझे समझ नहीं आया कि ऐसा क्यों है। मैं देख सकता हूं कि ए और बी कोवरी अत्यधिक होने पर इसका प्रभाव विचरण को बढ़ाने के लिए होगा। यह समझ में आता है …

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.