আমার উত্তরের সংক্ষিপ্তসার। আমি মার্কভ চেইন মডেলিং পছন্দ করি তবে এটি "অস্থায়ী" দিকটি মিস করে। অন্য প্রান্তে, অস্থায়ী দিকটির উপর দৃষ্টি নিবদ্ধ করা (উদাহরণস্বরূপ গড় সময় ) "সংক্রমণ" দিকটি মিস করে। আমি নিম্নলিখিত সাধারণ মডেলিংয়ে যাব (উপযুক্ত অনুমানের ফলে [মার্কভ প্রক্রিয়া] [1] হতে পারে)। এছাড়াও এই সমস্যার পিছনে রয়েছে অনেকগুলি "সেন্সরযুক্ত" পরিসংখ্যান (যা অবশ্যই সফ্টওয়্যার নির্ভরযোগ্যতার একটি শাস্ত্রীয় সমস্যা?) আমার উত্তরের শেষ সমীকরণটি প্রদত্ত ভোটের নির্বাচনের জন্য ভোটের তীব্রতার সর্বাধিক সম্ভাবনার প্রাক্কলনকারী ("+" এবং ডউ "-" দিয়ে) দেয়। যেমন আমরা সমীকরণ থেকে দেখতে পারি, আপনি কেবলমাত্র স্থানান্তরের সম্ভাবনা এবং কেস যখন কোনও প্রদত্ত রাজ্যে ব্যয় করা সময় পরিমাপ করেন তখন কেসটি কেবল মধ্যবর্তী হয় the এই সাহায্য আশা করি।−1
জেনারেল মডেলিং (প্রশ্ন এবং অনুমান পুনরায় করা)
আসুন এবং respectively যথাক্রমে ভোটিং তারিখ এবং সম্পর্কিত ভোট সাইন (উর্ধ্বকরণের জন্য +1, ডাউনভোটের জন্য -1) হয়ে উঠুন rand ভোটদান প্রক্রিয়া সহজভাবে(VDi)i≥1(Si)i≥1
Yt=Y+t−Y−t
কোথায়
Y+t=∑i=0∞1VDi≤t,Si=1 and Y−t=∑i=0∞1VDi≤t,Si=−1
গুরুত্বপূর্ণ পরিমাণ এখান থেকে intentity হয় -jump
যেখানে হতে পারে বা এবং ক্ষেত্রে একটি ভাল পরিস্রাবণ, অন্য জ্ঞান ছাড়াই এটি হবে :
।ϵ
λϵt=limdt→01dtP(Yϵt+dt−Yϵt=1|Ft)
ϵ−+FtFt=σ(Y+t,Y−t,VD1,…,VDY+t+Y−t,S1,…,SY+t+Y−t)
তবে আপনার প্রশ্নের পংক্তি বরাবর, আমি মনে করি আপনি যে
এর অর্থ জন্য সেখানে একটি নির্ণায়ক ক্রম রয়েছে যেমন যে ।
P(Yϵt+dt−Yϵt=1|Ft)=P(Yϵt+dt−Yϵt=1|Yt)
ϵ=+,−(μϵi)i∈Zλϵt=μϵYt
এই আনুষ্ঠানিকতার মধ্যে আপনার প্রশ্নটি পুনরায় পুনরুদ্ধার করা যেতে পারে: "সম্ভবত " (বা কমপক্ষে পার্থক্য একটির চেয়ে বড় প্রদত্ত প্রান্তিকতা)।μ+−1−μ+0>0
এই ধৃষ্টতা অধীনে, এটা দেখানোর জন্য যে সহজ একটি [সজাতি মার্কভ প্রক্রিয়া] হল [3] এ জেনারেটরের সঙ্গে কর্তৃক প্রদত্তYtZQ
∀i,j∈ZQi,i+1=μ+iQi,i−1=μ−iQii=1−(μ+i+μ−i)Qij=0 if |i−j|>1
প্রশ্নের উত্তর (পরিসংখ্যানগত সমস্যার সর্বাধিক সম্ভাবনা অনুমানের প্রস্তাবের মাধ্যমে)
এই সংশোধনীর মাধ্যমে, সমস্যার সমাধানটি অনুমান করে এবং এর মানগুলি একটি পরীক্ষা তৈরি করে তৈরি করা হয়। আসুন সাধারণতার ক্ষতি ছাড়াই সূচকটি ঠিক করি এবং ভুলে যাই । হিসেব (এবং ) পর্যবেক্ষণ uppon কাজ করা যেতে পারে(μ+i)iμ+μ−
(T1,η1),…,(Tp,ηp) যেখানে এর লেন্থ হয় এর সময়সীমার রাজ্যের অতিবাহিত (সঙ্গে অর্থাত ধারাবাহিক বার এবং) হয় , যদি প্রশ্ন upvoted ছিল যদি এটা downvoted করা হয় এবং যদি এটা পর্যবেক্ষণ শেষ দশা ছিল।TjjthpiYt=iηj+1−10
আপনি যদি পর্যবেক্ষণের সর্বশেষ অবস্থার সাথে কেসটি ভুলে যান তবে উল্লিখিত দম্পতিরা a এবং উপর নির্ভরশীল এমন একটি বিতরণ থেকে iid হয় : এটি হিসাবে বিতরণ করা হয় (যেখানে মেপুঃ একটি সূচকীয় বিতরণ এবং থেকে একটি র্যান্ডম Var হয় হয় + বা -1 যারা সর্বোচ্চ বুঝতে পারবেন উপর নির্ভর করে)। তারপরে, আপনি নিম্নোক্ত সরল লেমা ব্যবহার করতে পারেন (প্রমাণটি সোজাসাপ্টা): μ - আমি ( মিনিট ( ই এক্স পি পি ( μ + আই )) , ই এক্স পি ( μ - i ) ) , η ) ημ+iμ−i(min(Exp(μ+i),Exp(μ−i)),η)η
থিম যদি এবং তারপর, এবং । X+⇝Exp(μ+)X−⇝Exp(μ−)T=min(X+,X−)⇝Exp(μ++μ−)P(X+1<X−)=μ+μ++μ−
এর অর্থ হলো ঘনত্ব এর কর্তৃক প্রদত্ত হয়:
যেখানে জন্য হ'ল ঘনত্বের ক্রিয়াকলাপটি র্যান্ডম ভেরিয়েবলের পরামিতি সহ । এই অভিব্যক্তিটি থেকে, এবং এর সর্বাধিক সম্ভাবনা অনুমানকারীটি পাওয়া সহজ :f(t,ϵ)(T,η)
f(t,ϵ)=gμ++μ−(1(ϵ=+1)∗μ++1(ϵ=−1)∗μ−μ++μ−)
gaa>0aμ+μ−
(μ^+,μ^−)=argminln(μ−+μ+)((μ−+μ+)∑i=1pTi+p)−p−ln(μ−)−p+ln(μ+)
যেখানেএবং।
p−=|i:δi=−1|p+=|i:δi=+1|
আরও উন্নত পদ্ধতির জন্য মন্তব্য
যখন সর্বশেষ পর্যবেক্ষণের রাজ্য হয় তখন আপনি যদি অ্যাকসেন্ট কেসগুলি গ্রহণ করতে চান (অবশ্যই স্মার্ট কারণ আপনি যখন মধ্য দিয়ে যাবেন , এটি প্রায়শই আপনার শেষ স্কোর ...) আপনাকে কিছুটা যুক্তি সংশোধন করতে হবে। সম্পর্কিত সেন্সরিং তুলনামূলকভাবে ধ্রুপদী ...i−1
সম্ভাব্য অন্যান্য পদ্ধতির সম্ভাবনার অন্তর্ভুক্ত থাকতে পারে
- একটি তীব্রতা যা সময়ের সাথে হ্রাস পায় Having
- সর্বশেষ ভোটের পর থেকে ব্যয় করা সময়ের সাথে কমে যাওয়ার তীব্রতা থাকা (আমি এটিকে পছন্দ করি this এক্ষেত্রে ঘনত্ব কীভাবে হ্রাস পায় তার মডেলিংয়ের ধ্রুপদী উপায় রয়েছে ...
- আপনি ধরে নিতে পারেন যে একটি মসৃণ ফাংশনμ+ii
- .... আপনি অন্যান্য ধারণা প্রস্তাব করতে পারেন!