পরিসংখ্যান এবং বড় তথ্য

দিন জেড। এন( 0 , 1 )জেড~এন(0,1)Z \sim N(0,1) এবং ওয়াট~χ2( গুলি )ওয়াট~χ2(গুলি)W \sim \chi^2(s)। যদি জেডজেডZ এবং ওয়াটওয়াটW স্বাধীনভাবে বিতরণ করা হয় তারপর পরিবর্তনশীল ওয়াই=জেডওয়াট/ এস√ওয়াই=জেডওয়াট/গুলিY = \frac{Z}{\sqrt{W/s}} অনুসরণ a টিটিt স্বাধীনতার ডিগ্রি সহ বিতরণ গুলিগুলিs। আমি এই সত্যের একটি প্রমাণ খুঁজছি, আপনি সম্পূর্ণ যুক্তিটি লিখতে না চাইলে একটি …

10 probability  distributions  references 

আমি একটি নকশা করা পরীক্ষা থেকে চোখের ট্র্যাকিং ডেটা বিশ্লেষণ করছি। আমার ডেটার একটি সরলিকৃত সংস্করণ দেখতে এইরকম দেখাচ্ছে (আপনি এখানে dp () ডেটা পেতে পারেন ), head(lookDATA) participant fixationImage fixationCount 1 9 Automobile 81 2 9 Bird 63 3 9 Chair 82 4 9 Dog 64 5 9 Face …

10 r  mixed-model  poisson-regression  lsmeans  lme4-nlme 

আমি একজন প্রয়োগকৃত ক্ষেত্রে কাজ করা একজন বায়োস্ট্যাটিস্টিশিয়ান এবং আমি যে কাগজগুলিতে সহযোগিতা করি তার পরিসংখ্যান পদ্ধতি বিভাগ লেখার জন্য আমি দায়বদ্ধ। প্রচুর একাডেমিক কাগজপত্র পড়ে আমি খারাপভাবে লিখিত পরিসংখ্যান বিভাগের প্রচুর উদাহরণ পেয়েছি (বেশিরভাগ তারা বিরক্তিকর, তথ্যহীন, এবং ব্যবহৃত পদ্ধতিটির যথার্থতা, বিশদ এবং বোঝার অভাব)। ব্যবহৃত পরিসংখ্যান পদ্ধতিগুলির বিষয় …

10 biostatistics  communication  academia  journals 

আমি কীভাবে বায়সীয় লিনিয়ার রিগ্রেশনের উত্তরোত্তর ভবিষ্যদ্বাণীমূলক বিতরণকে মূল্যায়ন করব, এখানে পৃষ্ঠা 3 তে বর্ণিত মৌলিক কেসটি পেরিয়ে কীভাবে নীচে অনুলিপি করব সে সম্পর্কে আমি বিভ্রান্ত হয়ে পড়েছি । p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta, \sigma^2 \mid y) মূল কেসটি এই লিনিয়ার রিগ্রেশন …

10 regression  bayesian  predictive-models  prediction  posterior 

আর-তে দ্বি-পার্শ্বযুক্ত কোলমোগোরভ স্মারনভ পরীক্ষার জন্য কী শক্তি বিশ্লেষণ করা সম্ভব? আমি পরীক্ষা করছি যে দুটি পরীক্ষামূলক বিতরণ কেএস.টেস্ট () ব্যবহার করে আলাদা হয় কিনা এবং আমি একটি পাওয়ার বিশ্লেষণ যুক্ত করতে চাইছি। আমি আরএসে কেএস পরীক্ষার জন্য কোনও বিল্ট-ইন পাওয়ার বিশ্লেষণগুলি খুঁজে পাইনি? কোনও পরামর্শ? সম্পাদনা করুন : এগুলি …

10 r  power-analysis  kolmogorov-smirnov 

আমরা বলি এক্স1,এক্স2, …X1,X2,…X_1, X_2, \ldots সম্পূর্ণ রূপান্তর এক্সXX যদি সবার জন্য ϵ &gt; 0ϵ&gt;0\epsilon>0 Σ∞n = 1পি ( |এক্সএন- এক্স| &gt;ϵ)&lt;∞∑n=1∞P(|Xn−X|&gt;ϵ)&lt;∞\sum_{n=1}^\infty \text{P}\left(|X_n-X|>\epsilon\right) <\infty। বোরেল ক্যান্তেলির সাথে লেমা সরাসরি প্রমাণ করে প্রমাণিত করে যে সম্পূর্ণ একীকরণটি প্রায় নিশ্চিত রূপান্তরকে বোঝায়। আমি একটি উদাহরণ খুঁজছি প্রায় নিশ্চিত ছিল যে বোরেল কন্টেলির …

10 probability  convergence 

বায়েশিয়ান পদ্ধতি ব্যবহার করে এবি পরীক্ষার ফলাফল গণনা করার জন্য আমি বায়েশিয়ান অ্যাব টেস্টিংয়ের সূত্রটি ব্যবহার করছি । জনসংযোগ (পিবি&gt;পিএকজন) =Σi = 0αবি- 1খ (αএকজন+ আমি ,βবি+ +βএকজন)(βবি+ i ) বি ( 1 + আমি ,βবি) বি (αএকজন,βএকজন)pr(পিবি&gt;পিএকজন)=Σআমি=0αবি-1বি(αএকজন+ +আমি,βবি+ +βএকজন)(βবি+ +আমি)বি(1+ +আমি,βবি)বি(αএকজন,βএকজন) \Pr(p_B > p_A) = \sum^{\alpha_B-1}_{i=0} \frac{B(\alpha_A+i,\beta_B+\beta_A)}{(\beta_B+i)B(1+i,\beta_B)B(\alpha_A, \beta_A)} কোথায় …

10 r  bayesian  ab-test 

আমি নেস্টেড ক্রস-বৈধতা সম্পর্কে আমার বোঝা সঠিক কিনা তা বের করার চেষ্টা করছি, অতএব আমি এই খেলনাটির উদাহরণটি লিখেছি যাতে আমি ঠিক আছি: import operator import numpy as np from sklearn import cross_validation from sklearn import ensemble from sklearn.datasets import load_boston # set random state state = 1 # load …

10 cross-validation  python  scikit-learn 

বাইনারি শ্রেণিবদ্ধকরণ কার্যে আমার ভারসাম্যহীন ডেটাসেট রয়েছে, যেখানে ইতিবাচক পরিমাণ বনাম নেতিবাচক পরিমাণ 0.3% বনাম 99.7% is ধনাত্মক এবং নেতিবাচক মধ্যে ব্যবধান বিশাল। আমি যখন সিএনএনকে এমএনআইএসটি সমস্যায় ব্যবহৃত কাঠামো দিয়ে প্রশিক্ষণ দিই, পরীক্ষার ফলাফলটি উচ্চ ফলস নেতিবাচক হার দেখায়। এছাড়াও, প্রশিক্ষণ ত্রুটির বক্ররেখা শুরুতে কয়েক যুগের মধ্যে দ্রুত নেমে …

10 classification  neural-networks  deep-learning  convolution  computer-vision 

এটি কি সত্য যে অ্যাসিম্পটোটিক কোভারিয়েন্স ম্যাট্রিক্স প্যারামিটারের অনুমানের কোভারিয়েন্স ম্যাট্রিক্সের সমান? যদি না হয়, এটা কি? এবং সেই ক্ষেত্রে কোভারিয়েন্স ম্যাট্রিক্স এবং অ্যাসিম্পটোটিক কোভারিয়েন্স ম্যাট্রিক্সের মধ্যে পার্থক্য কী? আগাম ধন্যবাদ!

10 covariance  asymptotics 

মার্কভ চেইন মন্টি কার্লো মার্কভ চেইনের উপর ভিত্তি করে একটি পদ্ধতি যা আমাদেরকে এমন একটি মানক বিতরণ থেকে নমুনা (মন্টে কার্লো সেটিংয়ে) পেতে দেয় যা থেকে আমরা সরাসরি নমুনা আঁকতে পারি না। আমার প্রশ্ন মন্টি কার্লো স্যাম্পলিংয়ের জন্য কেন মার্কভ চেইনটি "অত্যাধুনিক"। বিকল্প প্রশ্ন হতে পারে, মার্কোভ চেইনের মতো অন্য …

10 sampling  mcmc  monte-carlo  markov-chain  stochastic-approximation 

একটি র্যান্ডম নমুনা বিবেচনা করুন যেখানে IID হয় র্যান্ডম ভেরিয়েবল যেখানে । চেক জন্য যথেষ্ট পরিসংখ্যাত হয় ।{X1,X2,X3}{X1,X2,X3}\{X_1,X_2,X_3\}XiXiX_iBernoulli(p)Bernoulli(p)Bernoulli(p)p∈(0,1)p∈(0,1)p\in(0,1)T(X)=X1+2X2+X3T(X)=X1+2X2+X3T(X)=X_1+2X_2+X_3ppp প্রথমত, আমরা কীভাবে খুঁজে পেতে পারি ? অথবা এটি ভেঙে ফেলা উচিত এবং তারপরে এটি অনুসরণ করবে ? আমি মনে করি না কারণ এখানে উল্লেখ করুন যে সমস্ত ভেরিয়েবলগুলি এখানে স্বাধীন নয়।(X1+2X2+X3)(X1+2X2+X3)(X_1+2X_2+X_3)X1+X2+X2+X3X1+X2+X2+X3X_1+X_2+X_2+X_3Bin(4,p)Bin(4,p)Bin(4,p) …

10 inference  point-estimation  sufficient-statistics 

প্যারামিটার (সাফল্যের সম্ভাবনা) সহ একটি বার্নৌলির এলোমেলো পরিবর্তনশীল Consider বিবেচনা করুন । সম্ভাবনা ফাংশন এবং ফিশারের তথ্য (একটি ম্যাট্রিক্স):X∈{0,1}X∈{0,1}X\in\{0,1\}θθ\theta1×11×11 \times 1 L1(θ;X)I1(θ)=p(X|θ)=θX(1−θ)1−X=detI1(θ)=1θ(1−θ)L1(θ;X)=p(X|θ)=θX(1−θ)1−XI1(θ)=detI1(θ)=1θ(1−θ) \begin{align} \mathcal{L}_1(\theta;X) &= p(\left.X\right|\theta) = \theta^{X}(1-\theta)^{1-X} \\ \mathcal{I}_1(\theta) &= \det \mathcal{I}_1(\theta) = \frac{1}{\theta(1-\theta)} \end{align} এখন দুটি পরামিতি সহ একটি "ওভার-প্যারামিটারাইজড" সংস্করণটি বিবেচনা করুন: সাফল্যের সম্ভাবনা θ1θ1\theta_1 এবং ব্যর্থতার …

10 bernoulli-distribution  parameterization  fisher-information  determinant 

জেনারেলাইজড লিনিয়ার মডেলগুলি যেমন স্বয়ংক্রিয় প্রাসঙ্গিকতা নির্ধারণ (এআরডি) এবং রিজ রিগ্রেশন ব্যবহারের ক্ষেত্রে পার্থক্যগুলি কী? কখন জিএলএম ব্যবহার করতে হবে এবং কখন সময় সিরিজ ব্যবহার করতে হবে তার কোনও থাম্বের কোনও নিয়ম রয়েছে?

10 time-series  generalized-linear-model  forecasting 

ডাটা হিসাবে একই ইউনিট থাকবে স্কেকনেস এর স্বাভাবিক সমতুল্য কি হবে? একইভাবে, কুর্তোসিসের সমতুল্য কি হবে? আদর্শভাবে, এই ফাংশনগুলি ডেটার সাথে সম্মানের সাথে রৈখিক হওয়া উচিত, যার অর্থ যদি সমস্ত পর্যবেক্ষণগুলি কোনও ফ্যাক্টর দ্বারা গুণিত করা হয় n, ফলস্বরূপ স্বাভাবিক করা স্কিউনেস এবং কুর্তোসিস একই গুণকের দ্বারা বহুগুণ হয়ে যায় …

10 skewness  kurtosis