conditional-probability पर टैग किए गए जवाब

परिशुद्धता के रूप में परिभाषित किया गया है: p = true positives / (true positives + false positives) क्या यह सही है, जैसा कि true positivesऔर false positivesदृष्टिकोण 0, सटीक दृष्टिकोण 1? याद करने के लिए एक ही सवाल: r = true positives / (true positives + false negatives) मैं …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

बेयस प्रमेय P(model|data)=P(model)×P(data|model)P(data)P(model|data)=P(model)×P(data|model)P(data) P(\textrm{model}|\textrm{data}) = \frac{P(\textrm{model}) \times P(\textrm{data}|\textrm{model})}{P(\textrm{data})} यह सब ठीक है। लेकिन, मैंने कहीं पढ़ा है: मूल रूप से, P (डेटा) एक सामान्यीकृत स्थिरांक के अलावा कुछ भी नहीं है, अर्थात, एक स्थिरांक जो एक के बाद के घनत्व को एकीकृत करता है। हम जानते हैं कि और । …

20 probability  bayesian  conditional-probability  bayes 

चलो एक संभावना स्थान हो, एक यादृच्छिक चर दिया और एक -algebra हम एक नया यादृच्छिक चर , जो सशर्त अपेक्षा है।( Ω , एफ , μ ) (Ω,F,μ)(\Omega,\mathscr{F},\mu)ξ : Ω → आरξ:Ω→R\xi:\Omega \to \mathbb{R} σ σ\sigmaजी ⊆ एफG⊆F\mathscr{G}\subseteq \mathscr{F} ई [ ξ | जी ]E[ξ|G]E[\xi|\mathscr{G}] बारे में सोचने के …

20 probability  conditional-probability  conditional-expectation  conditioning  sigma-algebra 

के प्रमाण के साथ मेरे पास एक मुद्दा है E(Y|X)∈argming(X)E[(Y−g(X))2]E(Y|X)∈arg⁡ming(X)E[(Y−g(X))2]E(Y|X) \in \arg \min_{g(X)} E\Big[\big(Y - g(X)\big)^2\Big] जो बहुत संभावना और सशर्त अपेक्षाओं की गहरी गलतफहमी को प्रकट करता है। जो प्रमाण मुझे पता है वह इस प्रकार है (इस प्रमाण का दूसरा संस्करण यहां पाया जा सकता है ) ===argming(X)E[(Y−g(x))2]argming(X)E[(Y−E(Y|X)+E(Y|X)−g(X))2]argming(x)E[(Y−E(Y|X))2+2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]argming(x)E[2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]arg⁡ming(X)E[(Y−g(x))2]=arg⁡ming(X)E[(Y−E(Y|X)+E(Y|X)−g(X))2]=arg⁡ming(x)E[(Y−E(Y|X))2+2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]=arg⁡ming(x)E[2(Y−E(Y|X))(E(Y|X)−g(X))+(E(Y|X)−g(X))2]\begin{align*} …

19 mathematical-statistics  conditional-probability  proof  conditional-expectation 

क्या आप मुझे सूचित कर सकते हैं, मैं कई घटनाओं की संभावित संभावना की गणना कैसे कर सकता हूं? उदाहरण के लिए: P (A | B, C, D) -? मुझे पता है: पी (ए | बी) = पी (ए बी) / पी (बी)∩∩\cap लेकिन, दुर्भाग्यवश, यदि कोई घटना A कई …

19 conditional-probability 

बेयस के सूत्र में: P(x|a)=P(a|x)P(x)P(a)P(x|a)=P(a|x)P(x)P(a)P(x|a) = \frac{P(a|x) P(x)}{P(a)} क्या पीछे की संभावना P(x|a)P(x|a)P(x|a) 1 से अधिक हो सकती है? मुझे लगता है कि यह संभव है अगर उदाहरण के लिए, यह मानते हुए कि 0&lt;P(a)&lt;10&lt;P(a)&lt;10 < P(a) < 1 , और P(a)&lt;P(x)&lt;1P(a)&lt;P(x)&lt;1P(a) < P(x) < 1 , और P(a)/P(x)&lt;P(a|x)&lt;1P(a)/P(x)&lt;P(a|x)&lt;1P(a)/P(x) < …

18 probability  bayesian  conditional-probability 

यह क्रॉस वैलिडेटेड प्रश्न जो एक निश्चित राशि पर एक नमूना सशर्त का अनुकरण करने के बारे में पूछ रहा है, ने मुझे जॉर्ज कैसला द्वारा मेरे लिए निर्धारित एक समस्या की याद दिला दी । एक पैरामीट्रिक मॉडल f(x|θ)f(x|θ)f(x|\theta) , और इस मॉडल से एक iid नमूना, , MLE …

17 maximum-likelihood  conditional-probability  random-variable  simulation  t-distribution 

मैं थोड़ा असहज महसूस करता हूं कि मैंने बोरेल के विरोधाभास और सशर्त संभाव्यता से संबंधित अन्य "विरोधाभास" से मानसिक रूप से कैसे निपटा है। जो लोग इसे पढ़ रहे हैं, वे इससे परिचित नहीं हैं, इस लिंक को देखें । इस बिंदु पर मेरी मानसिक प्रतिक्रिया ज्यादातर इसे नजरअंदाज …

17 probability  conditional-probability  conditional-expectation 

अगर मैं दो सामान्य रूप से वितरित स्वतंत्र यादृच्छिक चर और वाई के साथ साधन μ एक्स और μ Y और मानक विचलन σ एक्स और σ Y और मुझे लगता है कि पता चलता है एक्स + Y = ग , तो (यह मानते हुए मैं किसी भी त्रुटि …

16 normal-distribution  conditional-probability 

मैं समझता हूँ । सशर्त बी के पूरे क्षेत्र द्वारा विभाजित ए और बी का चौराहा है।P(A∩B)/P(B)=P(A|B)P(A∩B)/P(B)=P(A|B)P(A\cap B)/P(B) = P(A|B) लेकिन क्यों है?P(A∩B|C)/P(B|C)=P(A|B∩C)P(A∩B|C)/P(B|C)=P(A|B∩C)P(A\cap B|C)/P(B|C) = P(A|B \cap C) क्या आप कुछ अंतर्ज्ञान दे सकते हैं? यह नहीं होना चाहिए: ?P(A∩B∩C)/P(B,C)=P(A|B∩C)P(A∩B∩C)/P(B,C)=P(A|B∩C)P(A\cap B \cap C)/P(B,C) = P(A|B \cap C)

16 probability  conditional-probability 

हार्वर्ड के सांख्यिकी 110: प्रायिकता पाठ्यक्रम जो कि आईट्यून्स और यूट्यूब पर मिल सकता है, से वीडियो लेक्चर में , मुझे इस समस्या का सामना करना पड़ा । मैंने इसे यहाँ संक्षेप में बताने की कोशिश की है: मान लीजिए कि हमें एक मानक डेक से एक यादृच्छिक दो-कार्ड हाथ …

15 probability  conditional-probability  intuition 

सवाल यदि एक्स 1 , ⋯ , एक्स एन ~ एन ( μ , 1 )X1,⋯,Xn∼N(μ,1)X_1,\cdots,X_n \sim \mathcal{N}(\mu, 1) आईआईडी, तो गणना कर रहे हैं ई ( एक्स 1 | टी )E(X1∣T)\mathbb{E}\left( X_1 \mid T \right) जहां, टी = Σ मैं एक्स मैंT=∑iXiT = \sum_i X_i । प्रयास : कृपया …

14 probability  self-study  mathematical-statistics  conditional-probability  conditional-expectation 

निम्नलिखित बयानों पर गौर करें टाइटैनिक: धारणा १: जहाज पर केवल पुरुष और महिलाएँ थे अनुमान 2: महिलाओं के साथ-साथ बड़ी संख्या में पुरुष भी थे कथन १: ९ ० प्रतिशत सभी महिलाएँ बच गईं कथन २: ९ ० प्रतिशत जो बच गए, वे महिलाएं थीं पहला इंगित करता है …

14 conditional-probability  descriptive-statistics  reporting 

मुझे समझ नहीं आता कि यह समीकरण कैसे बना। P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M_{1}\cap M_{2}) \leq \frac{P(I)}{P(I')}\cdot \frac{P(M_{1}|I)P(M_{2}|I)}{P(M_{1}|I')P(M_{2}|I')} यह समीकरण "ट्रायल बाय प्रोबेबिलिटी" पेपर से था जहां ओजे सिम्पसन के मामले को एक उदाहरण समस्या के रूप में दिया गया था। प्रतिवादी पर दोहरे हत्याकांड का मुकदमा चल रहा है और उसके खिलाफ दो …

13 bayesian  conditional-probability  bayes 

मान लीजिए कि यादृच्छिक चर यूUU मानकों 0 और 10 के साथ एक सतत वर्दी वितरण इस प्रकार (यानी यू~ यू ( 0 , 10 )U∼U(0,10)U \sim \rm{U}(0,10) ) अब आइए A को उस घटना को निरूपित करते हैं, जो यूUU = 5 और B की घटना है, जो यूUU …

12 conditional-probability  continuous-data  uniform