পরিসংখ্যান এবং বড় তথ্য

আমি "সাধারণ বিতরণ" সম্পর্কে আমার স্নাতক স্তরের পরিসংখ্যান প্রফেসরের সাথে একটি বিতর্কে রয়েছি। আমি দাবি করি যে সত্যিকার অর্থে একটি সাধারণ বিতরণ পেতে আপনার অবশ্যই গড় = মিডিয়ান = মোড থাকা উচিত, সমস্ত ডেটা অবশ্যই বেলের বক্ররেখার নীচে এবং পুরোপুরি পুরোপুরি প্রতিসাম্হিকভাবে প্রতিলিপিযুক্ত থাকতে হবে। অতএব, প্রযুক্তিগতভাবে, বাস্তব গবেষণায় কার্যত …

17 mathematical-statistics  descriptive-statistics 

আমি এখানে এই তালিকাটি দেখেছি এবং বিশ্বাস করতে পারি না যে সর্বনিম্ন স্কোয়ারগুলি সমাধান করার এতগুলি উপায় রয়েছে। "স্বাভাবিক সমীকরণ" এ উইকিপিডিয়া মোটামুটি সোজা এগিয়ে উপায় হতে α^β^=y¯−β^x¯,=∑ni=1(xi-x¯) (yi-y¯)∑এনi = 1(xআমি-x¯)2α^=y¯-β^এক্স¯,β^=Σআমি=1এন(এক্সআমি-এক্স¯)(Yআমি-Y¯)Σআমি=1এন(এক্সআমি-এক্স¯)2 {\displaystyle {\begin{aligned}{\hat {\alpha }}&={\bar {y}}-{\hat {\beta }}\,{\bar {x}},\\{\hat {\beta }}&={\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}}}\end{aligned}}} তাহলে কেন শুধু …

17 regression  least-squares  scikit-learn 

নীচে 6 টি সিদ্ধান্তের সীমানা দেওয়া হল। সিদ্ধান্তের সীমানা হ'ল ভায়োলেট লাইনের। বিন্দু এবং ক্রস দুটি পৃথক ডেটা সেট। কোনটি একটি তা আমাদের সিদ্ধান্ত নিতে হবে: লিনিয়ার এসভিএম কার্নেলাইজড এসভিএম (অর্ডারের বহুপদী কার্নেল 2) Perceptron পণ্য সরবরাহ সংশ্লেষণ নিউরাল নেটওয়ার্ক (10 টি সংশোধিত লিনিয়ার ইউনিট সহ 1 টি লুকানো স্তর) …

17 machine-learning  self-study  classification  neural-networks  svm 

এটি সুপরিচিত যে l2l2l^2 পেনাল্টির সাথে লিনিয়ার রিগ্রেশন সহগের আগে কোনও গাউসিয়ানকে দেওয়া এমএপি অনুমানের সন্ধানের সমতুল্য। একইভাবে, l1l1l^1 পেনাল্টি ব্যবহার পূর্বের হিসাবে ল্যাপ্লেস বিতরণ ব্যবহারের সমতুল্য। l1l1l^1 এবং l2l2l^2 নিয়মিতকরণের কিছু ভারী সমন্বয় ব্যবহার করা অস্বাভাবিক নয় । আমরা কি বলতে পারি যে এটি সহগের উপর কিছু পূর্ব বিতরণের …

17 regression  bayesian  regularization  prior  elastic-net 

আমাকে এই প্রশ্নটি অন্য দিন জিজ্ঞাসা করা হয়েছিল এবং এর আগে কখনও বিবেচনা করা হয়নি। আমার স্বজ্ঞাত প্রতিটি অনুমানকারী এর সুবিধা থেকে আসে। সর্বাধিক সম্ভাবনা থাকে যখন আমরা ডেটা তৈরির প্রক্রিয়াতে আত্মবিশ্বাসী থাকি কারণ মুহুর্তের পদ্ধতির বিপরীতে এটি পুরো বিতরণের জ্ঞানকে কাজে লাগায়। যেহেতু মোম অনুমানকারীরা কেবল মুহুর্তগুলিতে থাকা তথ্য …

17 mathematical-statistics  maximum-likelihood  estimators  method-of-moments 

বিটা রিগ্রেশন (অর্থাত্ বিটা বিতরণ এবং সাধারণত লজিট লিঙ্ক ফাংশন সহ জিএলএম) প্রায়শই 0 এবং 1 এর মধ্যে ভগ্নাংশ, অনুপাত বা সম্ভাবনার মতো মান গ্রহণকারী প্রতিক্রিয়ার সাথে মোকাবিলা করার পরামর্শ দেওয়া হয়: ফলাফলের জন্য রিগ্রেশন (অনুপাত বা ভগ্নাংশ) 0 এবং 1 এর মধ্যে । তবে, সর্বদা দাবি করা হয় যে …

17 regression  generalized-linear-model  beta-distribution  zero-inflation  beta-regression 

আমার একতরফা টি-পরীক্ষার ফলাফলটি যদি তাৎপর্যপূর্ণ হয় তবে নমুনার আকার ছোট হয় (উদাহরণস্বরূপ 20 বা ততোধিকের নীচে), আমি কি এখনও এই ফলাফলটিকে বিশ্বাস করতে পারি? যদি তা না হয় তবে আমি কীভাবে এই ফলাফলটি ডিল করব এবং / বা ব্যাখ্যা করব?

17 statistical-significance  t-test  interpretation  sample-size  small-sample 

আসুন ধরে নেওয়া যাক আমাদের দুটি স্বতন্ত্র বের্নোল্লি র্যান্ডম ভেরিয়েবল, Ber(θ1)Ber(θ1)\mathrm{Ber}(\theta_1) এবং নমুনা পেয়েছি Ber(θ2)Ber(θ2)\mathrm{Ber}(\theta_2)। আমরা কীভাবে প্রমাণ করব (X¯1−X¯2)−(θ1−θ2)θ1(1−θ1)n1+θ2(1−θ2)n2−−−−−−−−−−−−−−√→dN(0,1)(X¯1−X¯2)−(θ1−θ2)θ1(1−θ1)n1+θ2(1−θ2)n2→dN(0,1)\frac{(\bar X_1-\bar X_2)-(\theta_1-\theta_2)}{\sqrt{\frac{\theta_1(1-\theta_1)}{n_1}+\frac{\theta_2(1-\theta_2)}{n_2}}}\xrightarrow{d} \mathcal N(0,1) ? ধরে নিন যে n1≠n2n1≠n2n_1\neq n_2 ।

17 distributions  sampling  bernoulli-distribution 

একটি বাক্স এবং হুইস্কার প্লটের বাইরে পয়েন্ট , যেখানে এবং কি 1 প্রথম কোয়ার্টাইল এবং ডেটা তৃতীয় কোয়ার্টাইল হয়।{Q1−1.5IQR,Q3+1.5IQR}{Q1−1.5IQR,Q3+1.5IQR}\left\{Q1-1.5IQR,Q3+1.5IQR\right\}IQR=Q3−Q1IQR=Q3−Q1IQR= Q3-Q1Q1Q1Q1Q3Q3Q3 এই সংজ্ঞা জন্য ভিত্তি কি? প্রচুর পরিমাণে পয়েন্ট সহ, এমনকি একটি সাধারণভাবে সাধারণ বিতরণও বিদেশীদের প্রত্যাবর্তন করে। উদাহরণস্বরূপ, ধরুন আপনি ক্রমটি শুরু করেছেন: xseq<-seq(1-.5^1/4000,.5^1/4000, by = -.00025) এই ক্রমটি 4000 …

17 outliers  normality-assumption  qq-plot  boxplot 

আপনি এবং আমি এমন একটি গেম খেলার সিদ্ধান্ত নিয়েছি যেখানে আমরা মুদ্রা উল্টিয়ে পাল্টে ফেলি। সর্বমোট 10 টি মাথা ফ্লিপকারী প্রথম খেলোয়াড় গেমটি জিতল। স্বভাবতই, কার পক্ষে প্রথমে যাওয়া উচিত সে সম্পর্কে একটি বিতর্ক রয়েছে। এই গেমের সিমুলেশনগুলি দেখায় যে প্লেয়ারকে ফ্লিপ করতে প্লেয়ার দ্বিতীয় প্লেয়ারের চেয়ে প্রথম খেলায় 6% …

17 probability  python  binomial  negative-binomial 

আমি এখানে বর্ণিত নীল অঞ্চল থেকে নমুনা তৈরি করতে চাই: সাদাসিধা সমাধান ইউনিট স্কোয়ারে প্রত্যাখ্যান স্যাম্পলিং ব্যবহার করতে হয়, কিন্তু এই শুধুমাত্র একটি উপলব্ধ 1 - π/ 41-π/41-\pi/4 (~ 21.4%) দক্ষতা। আমি আরও দক্ষতার সাথে নমুনা দেওয়ার কোন উপায় আছে?

17 probability  sampling  monte-carlo  random-generation 

আমি কক্স আনুপাতিক ঝুঁকি মডেল সম্পর্কে শিখছি। লজিস্টিক রিগ্রেশন মডেলগুলির ফিটিংয়ের আমার অনেক অভিজ্ঞতা রয়েছে এবং তাই অন্তর্দৃষ্টি তৈরি করতে আমি coxphআর "বেঁচে থাকা" থেকে ব্যবহার করে মডেলগুলির সাথে লজিস্টিক রিগ্রেশন মডেলগুলির সাথে ফিট ব্যবহারের glmসাথে তুলনা করে চলেছি family="binomial"। যদি আমি কোডটি চালাই: library(survival) s = Surv(time=lung$time, event=lung$status - …

17 r  logistic  survival  cox-model  power 

আপনি কি পক্ষপাতদুষ্ট গড়ের কোনও এমএলই অনুমানের উদাহরণ সরবরাহ করতে পারেন? আমি এমন কোনও উদাহরণ খুঁজছি না যা নিয়মিততার শর্ত লঙ্ঘন করে সাধারণভাবে এমএলই অনুমানকারীদের ভেঙে দেয়। আমি ইন্টারনেটে যে সমস্ত উদাহরণ দেখতে পাচ্ছি সেগুলি তারতম্যকে বোঝায় এবং আমি এর সাথে সম্পর্কিত কোনও কিছুই খুঁজে পাচ্ছি না। সম্পাদনা @ মিশেল …

17 maximum-likelihood  mean  bias 

ড্রপআউট ব্যাখ্যা করার জন্য যদি আপনার অর্ধেক পৃষ্ঠা থাকে তবে আপনি কীভাবে এগিয়ে যাবেন? এই কৌশলটির পিছনে যৌক্তিকতা কোনটি?

17 neural-networks  deep-learning  regularization  dropout 

এই ক্রস যাচাই করা প্রশ্নটি একটি নির্দিষ্ট পরিমাণের শর্তসাপেক্ষে একটি নমুনা অনুকরণ সম্পর্কে জিজ্ঞাসা করে আমাকে সেট করে দেওয়া সমস্যার কথা মনে করিয়ে দেয় জর্জ Casella । প্রদত্ত স্থিতিমাপ মডেল f(x|θ)f(x|θ)f(x|\theta) , এবং এই মডেল থেকে একটি IID নমুনা, (X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) , এর MLE θθ\theta দেওয়া হয় θ ( এক্স 1 …

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