सांख्यिकी और बिग डेटा

एक Erdos-Renyi यादृच्छिक ग्राफ । कोने का सेट द्वारा लेबल किया गया है । किनारों सेट का निर्माण एक यादृच्छिक प्रक्रिया द्वारा किया जाता है।एन वी वी = { 1 , 2 , … , एन } ईG=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p))nnnVVVV={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\}EEE चलो एक संभावना हो , तो प्रत्येक अव्यवस्थित जोड़ी कोने …

10 probability  distributions  binomial  graph-theory 

मैं एक ऑनलाइन पाठ्यक्रम में इन स्लाइड्स (स्लाइड # 16 & # 17) पर आया हूं । प्रशिक्षक यह समझाने की कोशिश कर रहा था कि अधिकतम पोस्टीरियर एस्टीमेट (एमएपी) वास्तव में समाधान , जहां the है असली पैरामीटर।θ *ल ( θ ) = मैं[ Θ ≠ θ*]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta …

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

Let घनत्व f _ {\ theta} (x) = \ the थीटा x ^ {\ theta-1} \ mathbf1_ {0 <<1} \ _ \ _ से एक यादृच्छिक नमूना हो। \ थीटा> 0(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 मैं θ1+θθ1+θ\frac{\theta}{1+\theta} के UMVUE को खोजने का प्रयास कर रहा हूं । (X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) का संयुक्त घनत्व है 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} …

10 self-study  distributions  estimation  inference  beta-distribution 

मैंने कई प्रकाशनों को एक निश्चित प्रभाव मॉडल के उपयोग को सही ठहराने का प्रयास करते हुए बयानों के साथ "निश्चित-प्रभाव मॉडल को चुना गया था क्योंकि विषमता कम थी" पढ़ा है। हालाँकि, मैं चिंतित हूँ कि यह अभी भी डेटा विश्लेषण के लिए एक अनुचित दृष्टिकोण हो सकता है। …

10 references  meta-analysis  meta-analysis-fixed-effects  meta-analysis-random-effects 

tl; dr: null के तहत जनरेट किए गए डेटासेट के साथ शुरू करके, मैंने मामलों को प्रतिस्थापन के साथ बदल दिया और प्रत्येक resamped डाटासेट पर एक परिकल्पना परीक्षण किया। ये परिकल्पना परीक्षण समय के 5% से अधिक को अस्वीकार करते हैं। नीचे, बहुत सरल सिमुलेशन में, मैं साथ डेटासेट …

10 r  bootstrap  simulation  resampling 

मैं शब्द गणना के वेक्टर में फैलाव की मात्रा कैसे निर्धारित कर सकता हूं? मैं एक आंकड़े की तलाश कर रहा हूं जो दस्तावेज़ ए के लिए उच्च होगा, क्योंकि इसमें कई अलग-अलग शब्द होते हैं जो कि असंगत रूप से होते हैं, और दस्तावेज़ बी के लिए कम होते …

10 variance  natural-language  gini  dispersion  bag-of-words 

मैं बायेसियन आँकड़ों को पढ़ाने के लिए कुछ "वास्तविक दुनिया उदाहरण" ढूंढना चाहूंगा। बायेसियन सांख्यिकी किसी को औपचारिक रूप से पूर्व ज्ञान को एक विश्लेषण में शामिल करने की अनुमति देता है। मैं छात्रों को अपने विश्लेषण में पूर्व ज्ञान को शामिल करने वाले शोधकर्ताओं के कुछ सरल वास्तविक दुनिया …

10 bayesian  teaching 

मान लीजिए कि मैं एक निरंतर वितरण से नमूना लेना चाहता हूं p(x)p(x)p(x)। यदि मेरे पास फॉर्म में अभिव्यक्ति हैppp p(x)=∑i=1∞aifi(x)p(x)=∑i=1∞aifi(x)p(x) = \sum_{i=1}^\infty a_i f_i(x) च मैं पीai⩾0,∑iai=1ai⩾0,∑iai=1a_i \geqslant 0, \sum_i a_i= 1fifif_ippp एक लेबल की जाँच प्रायिकता साथ करताएक मैंiiiaiaia_i नमूनाकरणX∼fiX∼fiX \sim f_i यदि कभी-कभी ऋणात्मक हो तो क्या …

10 simulation  monte-carlo  mixture  accept-reject 

जैसा कि मैंने साइट के माध्यम से पढ़ा है अधिकांश उत्तर बताते हैं कि मशीन लर्निंग एल्गोरिदम में क्रॉस सत्यापन किया जाना चाहिए। हालाँकि जब मैं "अंडरस्टैंडिंग मशीन लर्निंग" पुस्तक के माध्यम से पढ़ रहा था, तो मैंने देखा कि एक अभ्यास है कि कभी-कभी क्रॉस सत्यापन का उपयोग नहीं …

10 machine-learning  self-study  cross-validation 

मानक शिक्षण का कहना है कि संवेदनशीलता और विशिष्टता परीक्षण के गुण हैं और व्यापकता से स्वतंत्र हैं। लेकिन क्या यह सिर्फ एक धारणा नहीं है? आंतरिक चिकित्सा के 19 वें संस्करण में हैरिसन के सिद्धांत कहते हैं यह लंबे समय से माना जाता है कि संवेदनशीलता और विशिष्टता परीक्षण …

10 bayesian  epidemiology  diagnostic  sensitivity-specificity 

LASSO प्रतिगमन की मेरी समझ यह है कि प्रतिगमन गुणांक को कम करने की समस्या को हल करने के लिए चुना जाता है: minβ∥y−Xβ∥22 s.t.∥β∥1≤tminβ‖y−Xβ‖22 s.t.‖β‖1≤t\min_\beta \|y - X \beta\|_2^2 \ \\s.t. \|\beta\|_1 \leq t व्यवहार में यह एक लैगेंज गुणक का उपयोग करके किया जाता है, जिससे समस्या को …

10 optimization  lasso  regularization  lagrange-multipliers 

स्वैच्छिक रूप से, संभाव्यता एक ऐसा फ़ंक्शन जो प्रत्येक ईवेंट को एक वास्तविक संख्या प्रदान करता है यदि यह तीन मूलभूत मान्यताओं (Kolmogorov की मान्यताओं) को संतुष्ट करता है:PपीPP(A)P(A)P(A)AAA P(A)≥0 for everyAP(A)≥0 for everyAP(A) \geq 0 \ \text{for every} A P(Ω)=1P(Ω)=1P(\Omega) = 1 If A1,A2,⋯are disjoint, thenP( ⋃∞मैं = १एमैं) …

10 probability  kolmogorov-axioms 

मैं रैखिक प्रतिगमन को संशोधित कर रहा हूं। Greene राज्यों द्वारा पाठ्यपुस्तक: अब, निश्चित रूप से रैखिक प्रतिगमन मॉडल पर अन्य धारणाएं होंगी, जैसे कि | यह धारणा रैखिकता धारणा के साथ संयुक्त है (जो कि प्रभाव में को परिभाषित करता है ), मॉडल पर संरचना डालता है।E(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0ϵϵ\epsilon हालांकि, linearity …

10 econometrics  linear-model  assumptions  causality  definition 

मेरे पास कुछ अवलोकन हैं, और मैं इन टिप्पणियों के आधार पर नमूने की नकल करना चाहता हूं। यहां मैं एक गैर-पैरामीट्रिक मॉडल पर विचार करता हूं, विशेष रूप से, मैं सीमित टिप्पणियों से सीडीएफ का अनुमान लगाने के लिए कर्नेल स्मूथिंग का उपयोग करता हूं। फिर मैं प्राप्त सीडीएफ …

10 sampling  matlab  kernel-smoothing  density-estimation 

मेरे पास कोई विशिष्ट उदाहरण या कार्य नहीं है। मैं बी-स्प्लिन का उपयोग करने में अभी नया हूं और मैं प्रतिगमन संदर्भ में इस फ़ंक्शन की बेहतर समझ प्राप्त करना चाहता था। मान लेते हैं कि हम प्रतिक्रिया चर और कुछ भविष्यवक्ताओं के बीच संबंधों का आकलन करना चाहते हैं …

10 regression  multiple-regression  splines  polynomial  penalized