conditional-probability पर टैग किए गए जवाब

एक घटना A होने की संभावना, जब एक और घटना B घटित होने या होने के लिए जानी जाती है। इसे सामान्यतः P (A | B) द्वारा निरूपित किया जाता है।

4
अपेक्षित संख्या मैं तब तक आरेखण कार्ड के बाद रहूंगा जब तक कि मुझे एक इक्का, 2, 3 और आगे नहीं मिलता
मुझे निम्नलिखित को हल करने में कुछ परेशानी हो रही है। आप एक मानक 52-कार्ड डेक से प्रतिस्थापन के बिना कार्ड खींचते हैं जब तक आपको एक इक्का नहीं मिलता। आप तब तक ड्रॉ करते हैं, जब तक आप एक 2. प्राप्त नहीं कर लेते हैं। आप 3 पर जारी …

3
Naive Bayes में प्रायिकताएँ हैं: क्या मुझे शब्दों की गिनती दोगुनी करनी चाहिए?
मैं अपने स्वयं के Naive Bayes bag o 'शब्द मॉडल का प्रोटोटाइप बना रहा हूं, और मेरे पास फीचर संभावनाओं की गणना करने के बारे में एक प्रश्न था। मान लीजिए कि मुझे दो कक्षाएं मिली हैं, मैं केवल स्पैम और स्पैम का उपयोग नहीं करूंगा क्योंकि यह सभी का …

2
सामान्य वितरण में x का अपेक्षित मूल्य, GIVEN कि यह एक निश्चित मूल्य से कम है
बस अगर यह सामान्य रूप से वितरित किया गया है तो एक्स के अपेक्षित मूल्य को खोजने के लिए संभव है, यह देखते हुए कि निश्चित मूल्य से नीचे है (उदाहरण के लिए, औसत मूल्य से नीचे)।

1
फिशर का सटीक परीक्षण और हाइपरजोमेट्रिक वितरण
मैं फिशर सटीक परीक्षण को बेहतर तरीके से समझना चाहता था, इसलिए मैंने निम्नलिखित खिलौना उदाहरण तैयार किया, जहां एफ और एम पुरुष और महिला से मेल खाते हैं, और n और y इस तरह से "सोडा की खपत" से मेल खाती है: > soda_gender f m n 0 5 …

5
आत्मविश्वास अंतराल और संभावना - इस कथन में त्रुटि कहां है?
अगर कोई नीचे जैसा बयान देता है: "कुल मिलाकर, पर्यावरण के धुएं के संपर्क में आने वाले नॉनस्मोकर्स को धुएं के संपर्क में नहीं आने के कारण 1.25 (95 प्रतिशत आत्मविश्वास अंतराल, 1.17 से 1.32) के कोरोनरी हृदय रोग का जोखिम था।" समग्र रूप से जनसंख्या के लिए सापेक्ष जोखिम …

1
सशर्त वितरण का उपयोग करके सीमांत वितरण से नमूनाकरण?
मैं एक univariate घनत्व से नमूना लेना चाहता लेकिन मैं केवल संबंध जानता हूं:चएक्सfXf_X चएक्स( x ) = ∫चएक्स| Y( x | y) चY( y) dy।fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. मैं MCMC (सीधे अभिन्न प्रतिनिधित्व पर) के उपयोग से बचना चाहता हूं और, चूंकि और से नमूना लेना …

1
एक वितरण को कैसे परिभाषित किया जाए जो इससे प्राप्त होता है, दूसरे पूर्व-निर्दिष्ट वितरण से ड्रा के साथ सहसंबद्ध?
मैं एक यादृच्छिक चर के वितरण को कैसे परिभाषित करता हूं जैसे कि Y से एक ड्रॉ का x 1 के साथ सहसंबंध ρ है , जहां संचयी वितरण फ़ंक्शन F X ( x ) के साथ वितरण से x 1 एकल ड्रॉ है ? YYYYYYρρ\rhoएक्स1x1x_1एक्स1x1x_1एफएक्स( x )FX(x)F_{X}(x)

1
बायोसियन मॉडलिंग कोवरिएट के साथ मल्टीवेरेट सामान्य का उपयोग करते हुए
मान लीजिए कि आपके पास एक व्याख्यात्मक चर जहाँ किसी दिए गए निर्देशांक का प्रतिनिधित्व करता है। आपके पास एक प्रतिक्रिया चर । अब, हम दोनों चर को इस प्रकार जोड़ सकते हैं:X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right)sssY=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) इस स्थिति …

2
BUGS / JAGS जैसे कार्यक्रम गिब्स नमूने के लिए सशर्त वितरण को स्वचालित रूप से कैसे निर्धारित करते हैं?
पूर्ण सशर्त जैसे लगता है अक्सर व्युत्पन्न करने के लिए काफी मुश्किल है, फिर भी JAGS और BUGS जैसे कार्यक्रम उन्हें स्वचालित रूप से प्राप्त करते हैं। क्या कोई समझा सकता है कि वे किसी भी मनमाने ढंग से मॉडल विनिर्देश के लिए एल्गोरिदम को पूरी तरह से कैसे उत्पन्न …

1
आर / एमजीसीवीवी: क्यों टी () और टीआई () टेंसर उत्पाद विभिन्न सतहों का उत्पादन करते हैं?
mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

3
जब
कहें कि वाईYYY एक सतत यादृच्छिक चर है, और XXX एक असतत है। Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} जैसा कि हम जानते हैं, Pr(Y=y)=0Pr(Y=y)=0\Pr(Y=y) = 0 क्योंकि YYY एक सतत यादृच्छिक चर है। और इसके आधार पर, मुझे यह निष्कर्ष निकालने के लिए लुभाया जाता है कि संभाव्यता Pr(X=x|Y=y)Pr(X=x|Y=y)\Pr(X=x|Y=y) अपरिभाषित है। …

2
पूर्व घनत्व समय संभावना समारोह के लिए आनुपातिक घनत्व क्यों आनुपातिक है?
बेयस के प्रमेय के अनुसार, । लेकिन मेरे अर्थमितीय पाठ के अनुसार, यह कहता है कि । ऐसा क्यों है? मुझे नहीं मिलता कि को अनदेखा क्यों किया गया है।पी ( θ | y ) α पी ( y | θ ) पी ( θ ) पी ( y )पी( …

2
बहुराष्ट्रीय वितरण के गुणांकों का योग
\newcommand{\P}{\mathbb{P}} मैं एक निष्पक्ष मर रहा हूँ। जब भी मुझे 1, 2, या 3 मिलता है, मैं एक '1' लिखता हूं; जब भी मुझे कोई 4 मिलता है तो मैं एक '2' लिखता हूं; जब भी मुझे कोई 5 या 6 मिलता है, तो मैं '3.' लिखता हूं। आज्ञा देना …


2
सशर्त स्वतंत्रता और इसके चित्रमय प्रतिनिधित्व के बारे में
सहसंयोजक चयन का अध्ययन करते समय, मैं एक बार निम्नलिखित उदाहरण पढ़ता हूं। निम्नलिखित मॉडल के संबंध में: इसके सहसंयोजक मैट्रिक्स और व्युत्क्रम सहसंयोजक मैट्रिक्स निम्नानुसार दिए गए हैं, मुझे समझ नहीं आ रहा है कि और y की स्वतंत्रता का निर्णय यहाँ उलटा सहसंयोजक द्वारा क्यों किया जाता है?xxxyyy …

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.