proof पर टैग किए गए जवाब

भाजक में कंप्यूटिंग संस्करण के लिए सूत्र है:(n−1)(n−1)(n-1) s2=∑Ni=1(xi−x¯)2n−1s2=∑i=1N(xi−x¯)2n−1s^2 = \frac{\sum_{i=1}^N (x_i - \bar{x})^2}{n-1} मैंने हमेशा सोचा है कि क्यों। हालांकि, "क्यों" के बारे में कुछ अच्छे वीडियो पढ़ना और देखना, ऐसा लगता है, जनसंख्या विचरण का एक अच्छा निष्पक्ष अनुमानक है। जबकि कम आंकलन करता है और जनसंख्या विचरण …

67 variance  unbiased-estimator  proof  history 

मुझे केएल विचलन सूत्र को प्राप्त करने में दो बहुभिन्नरूपी सामान्य वितरण मानने में परेशानी हो रही है। मैं univariate मामला काफी आसानी से किया है। हालाँकि, मुझे गणित के आँकड़े लेते हुए काफी समय हो गया है, इसलिए मुझे इसे मल्टीवेरेट करने के मामले में कुछ परेशानी हो रही …

46 normal-distribution  kullback-leibler  proof 

जैसा कि प्रश्न में कहा गया है - क्या अशक्त परिकल्पना सिद्ध करना संभव है? परिकल्पना की मेरी (सीमित) समझ से, इसका उत्तर नहीं है, लेकिन मैं इसके लिए कठोर स्पष्टीकरण नहीं दे सकता। प्रश्न का एक निश्चित उत्तर है?

37 hypothesis-testing  proof  equivalence 

बन्द है। यह सवाल ऑफ टॉपिक है । यह वर्तमान में उत्तर स्वीकार नहीं कर रहा है। इस प्रश्न को सुधारना चाहते हैं? प्रश्न को अपडेट करें ताकि यह क्रॉस मान्य के लिए विषय पर हो । 2 साल पहले बंद हुआ । मैं एक डेटासेट पर एक क्रॉस वेरिफाइड …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

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 

Wackerly et al का पाठ इस प्रमेय को बताता है "Let और क्रमशः रैंडम वैरिएबल X और Y के कार्य-उत्पादक कार्यों को सूचित करते हैं। यदि दोनों पल-उत्पन्न करने वाले फ़ंक्शन मौजूद हैं और टी के सभी मूल्यों के लिए, फिर एक्स और वाई के समान संभावना वितरण है। " …

19 mathematical-statistics  references  moments  proof  mgf 

ग्रिमेट और स्टिरज़ेकर से लिया गया : दिखाएँ कि यह ऐसा नहीं हो सकता है कि U = X + YU=X+YU=X+Y जहां UUU को समान रूप से [0,1] पर वितरित किया गया हो और XXX और YYY स्वतंत्र और समान रूप से वितरित किए गए हों। आपको यह नहीं मानना …

18 probability  random-variable  continuous-data  uniform  proof 

से विकिपीडिया , स्पीयरमैन की वरीयता श्रेणी सहसंबंध चर परिवर्तित करके की जाती है और स्थान पर रहीं चर में और , और फिर वें स्थान पर चर के बीच पियर्सन की सहसंबंध की गणना:Y i x i y iXiXiX_iYiYiY_ixixix_iyiyiy_i हालाँकि, लेख यह कि यदि चर और Y_i के बीच …

14 correlation  proof  spearman-rho 

मैंने हाल ही में बीवरिएट पॉइसन वितरण का सामना किया है, लेकिन मैं थोड़ा भ्रमित हूं कि इसे कैसे प्राप्त किया जा सकता है। वितरण द्वारा दिया गया है: P(X=x,Y=y)=e−(θ1+θ2+θ0)θx1x!θy2y!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP(X=x,Y=y)=e−(θ1+θ2+θ0)θ1xx!θ2yy!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP(X = x, Y = y) = e^{-(\theta_{1}+\theta_{2}+\theta_{0})} \displaystyle\frac{\theta_{1}^{x}}{x!}\frac{\theta_{2}^{y}}{y!} \sum_{i=0}^{min(x,y)}\binom{x}{i}\binom{y}{i}i!\left(\frac{\theta_{0}}{\theta_{1}\theta_{2}}\right)^{i} मैं जो इकट्ठा कर सकता हूं, θ0θ0\theta_{0} शब्द XXX और वाई …

14 distributions  mathematical-statistics  multivariate-analysis  poisson-distribution  proof 

यह जाहिरा तौर पर मामला यह है कि अगर , तोXi∼N(0,1)Xi∼N(0,1)X_i \sim N(0,1) X1X2+X3X4∼Laplace(0,1)X1X2+X3X4∼Laplace(0,1)X_1 X_2 + X_3 X_4 \sim \mathrm{Laplace(0,1)} मैंने कागजों को मनमाने ढंग से द्विघात रूपों पर देखा है, जिसके परिणामस्वरूप हमेशा भयानक गैर-केंद्रीय ची-स्क्वेर्ड अभिव्यक्ति होती है। उपरोक्त सरल संबंध मुझे बिल्कुल स्पष्ट नहीं लगता है, इसलिए …

13 normal-distribution  proof  quadratic-form  laplace-distribution 

में सांख्यिकीय लर्निंग के तत्वों , एक समस्या उच्च आयामी रिक्त स्थान का k- nn साथ प्रकाश डाला मुद्दों के लिए शुरू की है। कर रहे हैं डेटा बिंदुओं कि समान रूप से एक में वितरित कर रहे आयामी इकाई गेंद।पीNNNppp मूल से निकटतम डेटा बिंदु की औसत दूरी अभिव्यक्ति …

12 self-study  proof  k-nearest-neighbour 

मैंने मात्रात्मक प्रतिगमन अनुमानक के दो अलग-अलग अभ्यावेदन देखे हैं जो हैं क्यू ( β)क्ष) = ∑मैं : वाईमैं≥ x'मैंβnक्ष∣ यमैं- एक्स'मैंβक्ष| + Σमैं : वाईमैं&lt; एक्स'मैंβn( 1 - q) ∣ यमैं- एक्स'मैंβक्ष|Q(βq)=∑i:yi≥xi′βnq∣yi−xi′βq∣+∑i:yi&lt;xi′βn(1−q)∣yi−xi′βq∣Q(\beta_{q}) = \sum^{n}_{i:y_{i}\geq x'_{i}\beta} q\mid y_i - x'_i \beta_q \mid + \sum^{n}_{i:y_{i}< x'_{i}\beta} (1-q)\mid y_i - x'_i \beta_q …

11 proof  quantile-regression  equivalence 

आप यह कैसे साबित कर सकते हैं कि सामान्य समीकरण: पास एक या एक से अधिक समाधान हैं बिना इस धारणा के कि एक्स इन्वर्टिबल है?(XTX)β=XTY(XTX)β=XTY(X^TX)\beta = X^TY मेरा एकमात्र अनुमान यह है कि इसका सामान्यीकृत व्युत्क्रम के साथ कुछ करना है, लेकिन मैं पूरी तरह से खो गया हूं।

11 regression  proof 

वर्तमान में इस पर अटक गया है, मुझे पता है कि मुझे शायद द्विपद वितरण के औसत विचलन का उपयोग करना चाहिए लेकिन मैं इसका पता नहीं लगा सकता।

10 self-study  binomial  mean  expected-value  proof 

जब समाचारों के बारे में बात 'सांख्यिकीय रूप से सिद्ध' हो जाती है, तो क्या वे आँकड़ों की अच्छी तरह से परिभाषित अवधारणा का सही उपयोग कर रहे हैं, इसका गलत उपयोग कर रहे हैं, या सिर्फ एक ऑक्सीमोरोन का उपयोग कर रहे हैं? मैं कल्पना करता हूं कि एक …

10 inference  proof