beta-distribution पर टैग किए गए जवाब

अंतराल पर परिभाषित अविभाजित वितरण का एक दो-पैरामीटर परिवार [0,1]

2
आबादी से नमूना करते समय UMV का
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} …

2
कुशलता से एक थ्रेसहोल्ड बीटा वितरण का नमूना
मुझे निम्नलिखित वितरण से कुशलता से नमूना कैसे लेना चाहिए? x∼B(α,β), x>kx∼B(α,β), x>k x \sim B(\alpha, \beta),\space x > k यदि बहुत बड़ा नहीं है, तो अस्वीकृति नमूनाकरण सबसे अच्छा तरीका हो सकता है, लेकिन मुझे यकीन नहीं है कि जब बड़ी है तो कैसे आगे बढ़ना है। शायद कुछ …

1
कौन सा गहन शिक्षण मॉडल उन श्रेणियों को वर्गीकृत कर सकता है जो पारस्परिक रूप से अनन्य नहीं हैं
उदाहरण: मेरे पास नौकरी के विवरण में एक वाक्य है: "यूके में जावा वरिष्ठ इंजीनियर"। मैं इसे 2 श्रेणियों के रूप में भविष्यवाणी करने के लिए एक गहरे शिक्षण मॉडल का उपयोग करना चाहता हूं: English और IT jobs। यदि मैं पारंपरिक वर्गीकरण मॉडल का उपयोग करता हूं, तो यह …
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
मैं एक कॉक्स खतरा मॉडल उत्तरजीविता वक्र की व्याख्या कैसे करूं?
आप कॉक्स आनुपातिक खतरे वाले मॉडल से उत्तरजीविता वक्र की व्याख्या कैसे करते हैं? इस खिलौना उदाहरण में, मान लें कि हमारे पास डेटा ageमें परिवर्तनशील पर एक कॉक्स आनुपातिक खतरा मॉडल है kidney, और उत्तरजीविता वक्र उत्पन्न करता है। library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() उदाहरण …

1
क्या एक बीटा वितरण के दो मात्रात्मक इसके मापदंडों को निर्धारित करते हैं?
अगर मैं दो मात्राएँ देता हूँ (q1,q2)(q1,q2)(q_1,q_2) और उनके संबंधित स्थान (l1,l2)(l1,l2)(l_1,l_2) (प्रत्येक) खुले अंतराल में (0,1)(0,1)(0,1), क्या मुझे हमेशा एक बीटा वितरण के पैरामीटर मिल सकते हैं जो निर्दिष्ट स्थानों पर उन मात्रात्मक हैं?

1
अगर
यहाँ एक समस्या है जो कुछ साल पहले हमारे विश्वविद्यालय में एक सेमेस्टर परीक्षा में आई थी जिसे हल करने के लिए मैं संघर्ष कर रहा हूं। अगर X1,X2X1,X2X_1,X_2 स्वतंत्र हैं ββ\beta घनत्व के साथ यादृच्छिक चर β(n1,n2)β(n1,n2)\beta(n_1,n_2) तथा β(n1+12,n2)β(n1+12,n2)\beta(n_1+\dfrac{1}{2},n_2) फिर क्रमशः वह दिखाएं X1X2−−−−−√X1X2\sqrt{X_1X_2} इस प्रकार β(2n1,2n2)β(2n1,2n2)\beta(2n_1,2n_2)। मैंने उस …

2
मिश्रित मॉडल के लिए पैरामीट्रिक, सेमीपैरेट्रिक और नॉनपैमेट्रिक बूटस्ट्रैपिंग
निम्नलिखित आलेख इस लेख से लिए गए हैं । मैं बूटस्ट्रैप करने के लिए नौसिखिया हूं और R bootपैकेज के साथ रैखिक मिश्रित मॉडल के लिए पैरामीट्रिक, सेमीपैरेट्रिक और नॉनपैमेट्रिक बूटस्ट्रैपिंग बूटस्ट्रैपिंग को लागू करने की कोशिश कर रहा हूं । आर कोड यहाँ मेरा Rकोड है: library(SASmixed) library(lme4) library(boot) …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
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.