পরিসংখ্যান এবং বড় তথ্য

সাধারণ ন্যূনতম স্কোয়ারগুলির পরিবর্তে সর্বাধিক সম্ভাবনার প্রাক্কলনটি কখন ব্যবহার করা ভাল? প্রত্যেকের শক্তি এবং সীমাবদ্ধতাগুলি কী কী? আমি সাধারণ পরিস্থিতিতে প্রতিটি কোথায় ব্যবহার করতে পারি সে সম্পর্কে ব্যবহারিক জ্ঞান সংগ্রহ করার চেষ্টা করছি।

13 regression  maximum-likelihood  least-squares 

কুলব্যাক – লেবেলারের দূরত্ব অধ্যয়ন করার ক্ষেত্রে, দুটি জিনিস আমরা খুব শিখি তা হ'ল এটি ত্রিভুজ বৈষম্য বা প্রতিসাম্য, মেট্রিকের প্রয়োজনীয় বৈশিষ্ট্যগুলিকেও সম্মান করে না। আমার প্রশ্ন হ'ল সম্ভাবনার ঘনত্ব ফাংশনগুলির কোনও মেট্রিক রয়েছে যা কোনও মেট্রিকের সমস্ত সীমাবদ্ধতা পূরণ করে ।

13 distributions  distance  metric 

আমি সম্প্রতি কর্নেল ট্রিকের ব্যবহার সম্পর্কে শিখেছি, যা এই মাত্রাগুলিতে ডেটা লিনিয়ারাইজ করার প্রয়াসে উচ্চতর মাত্রিক স্থানগুলিতে ডেটা ম্যাপ করে। এমন কোনও ঘটনা আছে যেখানে আমার এই কৌশলটি ব্যবহার করা এড়ানো উচিত? এটি কি সঠিক কার্নেল ফাংশনটি অনুসন্ধান করার বিষয়? লিনিয়ার ডেটার জন্য এটি অবশ্যই সহায়ক নয়, তবে অ-রৈখিক ডেটার …

13 machine-learning  svm  kernel-trick  heuristic 

আমি এমন কিছু কোড লিখেছি যা কলমান ফিল্টারিং করতে পারে (একটি এন-ডাইমেনশনাল স্টেট ভেক্টরের জন্য লিনিয়ার গাউসিয়ান স্টেট স্পেস অ্যানালাইসিসের জন্য কলম্যান ফিল্টারিং (বিভিন্ন কলম্যান-টাইপ ফিল্টার [ইনফরমেশন ফিল্টার এবং অন্যান্য।]) ব্যবহার করতে পারে। ফিল্টারগুলি দুর্দান্ত কাজ করে এবং আমি কিছু সুন্দর আউটপুট পাচ্ছি। যাইহোক, লগলিফিকিলিটি অনুমানের মাধ্যমে পরামিতি অনুমান আমাকে …

13 maximum-likelihood  algorithms  kalman-filter  likelihood 

ল্যাপ্লেস বিতরণের পূর্বে কোনও সংঘবদ্ধ রয়েছে কি ? যদি তা না হয় তবে ল্যাপলেস বিতরণের প্যারামিটারগুলির জন্য উত্তরোত্তরটির প্রায় কাছাকাছি রয়েছে এমন কোনও বদ্ধ ফর্ম এক্সপ্রেশন রয়েছে? আমি সাফল্যের সাথে অনেকটা জুড়েছিলাম তাই আমার বর্তমান অনুমান উপরের প্রশ্নগুলিতে "না" ...

13 bayesian  conjugate-prior  laplace-distribution 

একটি অ-লিনিয়ার রিগ্রেশনের আশেপাশের আত্মবিশ্বাস এবং ভবিষ্যদ্বাণী ব্যান্ডগুলি কি রিগ্রেশন লাইনের চারপাশে প্রতিসাম্য হিসাবে বিবেচিত হয়? অর্থ তারা লিনিয়ার রিগ্রেশনের জন্য ব্যান্ডগুলির ক্ষেত্রে ঘন্টা-কাচের আকারকে গ্রহণ করে না। তা কেন? মডেলটি এখানে প্রশ্ন: এখানে চিত্রটি রয়েছে: F(x)=⎛⎝⎜⎜A−D1+(xC)B⎞⎠⎟⎟+DF(x)=(A−D1+(xC)B)+D F(x) = \left(\frac{A-D}{1 + \left(\frac x C\right)^B}\right) + D এবং এখানে সমীকরণ:

13 confidence-interval  nonlinear-regression  prediction-interval 

আমি ডনেট পরীক্ষার গণনা করতে আর 'মাল্টকম্প' লাইব্রেরি ( http://cran.r-project.org/web/packages/multcomp/ ) ব্যবহার করছি । আমি নীচের স্ক্রিপ্টটি ব্যবহার করছি: Group <- factor(c("A","A","B","B","B","C","C","C","D","D","D","E","E","F","F","F")) Value <- c(5,5.09901951359278,4.69041575982343,4.58257569495584,4.79583152331272,5,5.09901951359278,4.24264068711928,5.09901951359278,5.19615242270663,4.58257569495584,6.16441400296898,6.85565460040104,7.68114574786861,7.07106781186548,6.48074069840786) data <- data.frame(Group, Value) aov <- aov(Value ~ Group, data) summary(glht(aov, linfct=mcp(Group="Dunnett"))) এখন আমি যদি এই স্ক্রিপ্টটি একাধিকবার আর কনসোলের মাধ্যমে চালিত করি তবে প্রতিবারই …

13 r  multiple-comparisons 

প্রথম এবং দ্বিতীয় মুহুর্তে ধনাত্মক ক্রমাগত চলকটির জন্য সর্বাধিক এনট্রপি বিতরণ কী ? উদাহরণস্বরূপ, গাউসীয় বিতরণ হ'ল একটি আনবাউন্ডেড ভেরিয়েবলের সর্বাধিক এনট্রপি বিতরণ, তার গড় এবং মানক বিচ্যুতি বিবেচনা করে এবং গামা বিতরণটি তার গড় মান এবং তার লগারিদমের গড় মান বিবেচনায় ধনাত্মক ভেরিয়েবলের সর্বাধিক এনট্রপি বিতরণ।

13 distributions  standard-deviation  mean  maximum-entropy 

পরিচয়: এই প্রশ্নের দ্বারা আজ যে মনোযোগ পেয়েছে তা উল্লেখ করে, " যখন জুটিযুক্ত টি-টেস্টগুলির মধ্যে কোনওটিই এএনওভা তাৎপর্যপূর্ণ হতে পারে?, " আমি ভেবেছিলাম যে আমি এটি একটি আকর্ষণীয় উপায়ে এটি পুনরায় প্রকাশ করতে সক্ষম হব যা তার নিজস্ব সেটগুলির উত্তর প্রাপ্য হবে would । যখন পরিসংখ্যানগত তাত্পর্যকে একটি সাধারণ …

13 hypothesis-testing  anova  statistical-significance  t-test  multiple-comparisons 

ধরুন যে IID র্যান্ডম ভেরিয়েবল মানে সঙ্গে পইসন বিতরণের অনুসরণ করে λ । আমি কীভাবে প্রমাণ করতে পারি যে পরিমাণ 1 এর কোনও পক্ষপাতদুষ্ট অনুমানকারী নেইএক্স0, এক্স1, … , এক্সএনX0,X1,…,Xn X_{0},X_{1},\ldots,X_{n} λλ \lambda ?1λ1λ \dfrac{1}{\lambda}

13 probability  poisson-distribution  unbiased-estimator  estimators  iid 

আর (২.১৫.২) এ আমি একবারের সিরিজে একবার আরিমা (৩,১,৩) এবং একবারের আলাদা টাইমসিরিজে একবার এআরএমএ (৩,৩) একবার লাগিয়েছিলাম। লাগানো পরামিতিগুলি পৃথক, যা আমি আরিমায় ফিটিং পদ্ধতির জন্য দায়ী করেছি। এছাড়াও, এআরএমএ (3,3,3) হিসাবে একই ডেটাতে একটি এআরআইএমএ (3,0,3) ফিট করার ফলে অভিন্ন পরামিতিগুলির ফলসই হবে না, আমি যে ফিটিং পদ্ধতি …

13 r  time-series  arima  fitting  arma 

আমি নিম্নলিখিত সমস্যার মতো কিছু নিয়ে কাজ করছি। আমার কাছে প্রচুর ব্যবহারকারী এবং এন বই রয়েছে। প্রতিটি ব্যবহারকারী তার পড়া সমস্ত বইয়ের একটি আদেশযুক্ত র‌্যাঙ্কিং তৈরি করে (এটি সম্ভবত এন বইগুলির একটি উপসেট) যেমন, বুক 1> বুক 40> বই 25। এখন আমি এই পৃথক ব্যবহারকারী র‌্যাঙ্কিংগুলিকে সমস্ত বইয়ের একক আদেশযুক্ত …

13 multiple-comparisons  ranking  recommender-system  bradley-terry-model 

আমি একটি লজিস্টিক মডেল নিয়ে কাজ করছি এবং ফলাফলগুলি মূল্যায়নে আমার কিছু অসুবিধা হচ্ছে। আমার মডেলটি দ্বিপদী লগিট। আমার ব্যাখ্যামূলক ভেরিয়েবলগুলি হ'ল: 15 স্তরের বিশিষ্ট পরিবর্তনশীল, একটি দ্বিধাত্বক ভেরিয়েবল এবং 2 ধ্রুবক ভেরিয়েবল। আমার এন বড়> 8000। আমি বিনিয়োগের জন্য সংস্থাগুলির সিদ্ধান্তকে মডেল করার চেষ্টা করছি। নির্ভরশীল পরিবর্তনশীল হ'ল বিনিয়োগ …

13 r  logistic  goodness-of-fit  roc 

আমি প্রায়শই পিসিএ (কয়েক হাজার ভেরিয়েবল এবং কয়েক ডজন বা শত শত নমুনা সহ অলমিক্স ডেটা) ব্যবহার করে আমার মাল্টিভিয়ারেট ডেটা নির্ণয় করতাম। ডেটা প্রায়শই কয়েকটি গোষ্ঠী সংজ্ঞায়িত বিভিন্ন শ্রেণিবদ্ধ স্বতন্ত্র ভেরিয়েবলগুলির সাথে পরীক্ষাগুলি থেকে আসে এবং আগ্রহী গোষ্ঠীর মধ্যে একটি বিভাজন দেখায় এমনগুলি খুঁজে পাওয়ার আগে আমাকে প্রায়শই কয়েকটি …

13 pca  linear-model  r-squared  discriminant-analysis 

এটা তোলে দৃশ্যত ক্ষেত্রে দেখা যায় যে যদি , তারপরএক্সআমি। এন( 0 , 1 )Xi∼N(0,1)X_i \sim N(0,1) এক্স1এক্স2+ এক্স3এক্স4~ এল একটি পি ঠ একটি গ ই ( 0 , 1 )X1X2+X3X4∼Laplace(0,1)X_1 X_2 + X_3 X_4 \sim \mathrm{Laplace(0,1)} আমি স্বেচ্ছাচারী চতুষ্কোণ ফর্মগুলির কাগজগুলি দেখেছি, যা সর্বদা ভয়ঙ্কর অ-কেন্দ্রীয় চি-স্কোয়ার এক্সপ্রেশনগুলির ফলাফল। …

13 normal-distribution  proof  quadratic-form  laplace-distribution