পরিসংখ্যান এবং বড় তথ্য

আমি বর্তমানে মার্কভ চেইনের সাথে কাজ করছি এবং বেশিরভাগ উত্সের পরামর্শ অনুসারে রূপান্তর সম্ভাবনা ব্যবহার করে সর্বাধিক সম্ভাবনার প্রাক্কলন গণনা করেছি (উদাহরণস্বরূপ, একটি থেকে অন্য নোডে সামগ্রিক রূপান্তরের সংখ্যা দ্বারা বিভক্ত একটি থেকে বি স্থানান্তরের সংখ্যা)। আমি এখন এমএলই-এর লগ-সম্ভাবনা গণনা করতে চাই।

9 maximum-likelihood  markov-process  likelihood 

আমি লজিস্টিক রিগ্রেশন সময় প্রচুর সহগ পাই, সহগ সহ এটি দেখুন krajULKV: > summary(m5) Call: glm(formula = cbind(ml, ad) ~ rok + obdobi + kraj + resid_usili2 + rok:obdobi + rok:kraj + obdobi:kraj + kraj:resid_usili2 + rok:obdobi:kraj, family = "quasibinomial") Deviance Residuals: Min 1Q Median 3Q Max -2.7796 -1.0958 -0.3101 …

9 regression  logistic  generalized-linear-model  separation 

আমি মিশ্র মডেলিংয়ে নতুন এবং আমি যে বিশ্লেষণ করছি তাতে এলোমেলো প্রভাব ব্যবহার করা উপযুক্ত কিনা তা নিয়ে আমি বিভ্রান্ত। কোন পরামর্শ প্রশংসা হবে। আমার অধ্যয়নটি পরীক্ষা করছে যে স্তন্যপায়ী প্রাচুর্যের একটি নতুন বিকাশিত সূচক একটি প্রতিষ্ঠিত তবে আরও শ্রম নিবিড় সূচকের মানটি কতটা পূর্বাভাস দিতে পারে। আমি প্রতিটি সূচিপত্রগুলিতে …

9 random-effects-model  nested-data 

একটি পরীক্ষা জন্য পড়াশোনা। এর উত্তর দিতে পারিনি। iid এলোমেলো চলক চলুন Let নির্ধারণ করাX1,i,X2,i,X3,i,i=1,…,nX1,i,X2,i,X3,i,i=1,…,nX_{1,i},X_{2,i},X_{3,i}, i=1,\ldots,nN(0,1)N(0,1)\mathcal{N}(0,1) Wi=(X1,i+X2,iX3,i)/1+X23,i−−−−−−−√,i=1,…,nWi=(X1,i+X2,iX3,i)/1+X3,i2,i=1,…,nW_i = (X_{1,i} + X_{2,i}X_{3,i})/\sqrt{1 + X_{3,i}^2}, i = 1, \ldots, n , এবং ,W¯¯¯¯¯n=n−1∑ni=1WiW¯n=n−1∑i=1nWi\overline{W}_n = n^{-1}\sum_{i=1}^nW_i S2n=(n−1)−1∑ni=1(Wi−W¯¯¯¯¯n)2,n≥2.Sn2=(n−1)−1∑i=1n(Wi−W¯n)2,n≥2.S_n^2 = (n-1)^{-1}\sum_{i=1}^n(W_i - \overline{W}_n)^2, n \ge 2. , এর বিতরণ কী ?W¯¯¯¯¯nW¯n\overline{W}_nS2nSn2S_n^2 এই জাতীয় সমস্যা শুরু …

9 normal-distribution  data-transformation 

সিডেস্টেটিসিটি এবং স্টেশনারিটির ধারণার মধ্যে পার্থক্য করতে আমার সমস্যা হচ্ছে। আমি তাদের বুঝতে পারছি, হিটারোসেসডাস্টিক্যটি উপ-জনগোষ্ঠীর মধ্যে পরিবর্তিতকরণের পরিবর্তনশীলতা এবং নন-স্টেশনারিটি সময়ের সাথে সাথে পরিবর্তিত গড় / বৈচিত্র্য। যদি এটি একটি সঠিক (সরলতা সহকারে) বোঝার হয় তবে অ-স্থিরতা কি কেবল সময়ের সাথে সাথে হিটারোসেসিস্টাস্টিটির কোনও নির্দিষ্ট ক্ষেত্রে হয়?

9 time-series  heteroscedasticity  stationarity  intuition 

আমি সম্প্রতি একটি আর স্ক্রিপ্ট ডিবাগ করছি এবং আমি খুব অদ্ভুত কিছু পেয়েছি, লেখক তাদের নিজস্ব পি-মান ফাংশনটি সংজ্ঞায়িত করেছেন pval <- function(x, y){ if (x+y<20) { # x + y is small, requires R.basic p1<- nChooseK(x+y,x) * 2^-(x+y+1); p2<- nChooseK(x+y,y) * 2^-(x+y+1); pvalue = max(p1, p2) } else { …

9 r  hypothesis-testing  p-value 

আমার ডেটাসেটে প্রতিটি রেকর্ডের জন্য আমার কাছে নিম্নলিখিত তথ্য রয়েছে (এক্স1 , … , এক্সমি , δ , টি )(এক্স1 ,... ,এক্সমি ,δ ,টি ) (X_1 \ , \dots \ , X_m \ , \delta \ , T \ ) যেখানে বৈশিষ্ট্যগুলি রয়েছে, লক্ষ্য ইভেন্টটি ঘটলে 1 হয় এবং অন্যথায় …

9 classification  survival 

এটি সুপরিচিত যে আপনার আরও প্রমাণ রয়েছে ( আইআইড উদাহরণগুলির জন্য বৃহত্তর আকারে বলুন ), বায়সিয়ান পূর্বের "ভুলে যাওয়া" হয়ে যায়, এবং বেশিরভাগ অনুমানের প্রমাণ দ্বারা প্রভাবিত হয় (বা সম্ভাবনা)।nnnnnn এটি বিভিন্ন নির্দিষ্ট ক্ষেত্রে (যেমন বিটা পূর্বে বা অন্য ধরণের উদাহরণ সহ ) দেখতে এটি সহজ - তবে এটি সাধারণ …

9 bayesian  prior 

আমি এটি দেখানোর চেষ্টা করছি যে একটি প্রতিসম বিতরণের কেন্দ্রীয় মুহূর্ত: বিজোড় সংখ্যার জন্য শূন্য। সুতরাং উদাহরণস্বরূপ তৃতীয় কেন্দ্রীয় মুহূর্তআমি show show দেখানোর চেষ্টা করে শুরু করেছিআমি নিশ্চিত না এখান থেকে কোথায় যাব, কোন পরামর্শ? এটি প্রমাণ করার আরও ভাল উপায় আছে কি?fx(a+x)=fx(a−x)fx(a+x)=fx(a−x){\bf f}_x{\bf (a+x)} = {\bf f}_x{\bf(a-x)}E[(X−u)3]=0.E[(X−u)3]=0.{\bf E[(X-u)^3] = …

9 mathematical-statistics  expected-value  moments 

ধরা যাক আমি কারও পছন্দের আইসক্রিমের স্বাদ ভ্যানিলা হবার সম্ভাবনাটি খুঁজে বের করার চেষ্টা করছি। আমি জানি যে ব্যক্তিটি হরর সিনেমাগুলিও উপভোগ করে। আমি সেই ব্যক্তির প্রিয় আইসক্রিম ভ্যানিলা হওয়ার সম্ভাবনাটি খুঁজে পেতে চাই যা তারা হরর মুভিগুলি উপভোগ করে। আমি নিম্নলিখিত জিনিসগুলি জানি: 5%5%5\% লোক ভ্যানিলা তাদের প্রিয় আইসক্রিমের …

9 probability  bayes 

গ্রেডিয়েন্ট বংশোদ্ভূত হওয়ার জন্য কেউ কীভাবে সর্বোত্তম শেখার হার নির্ধারণ করতে পারে? আমি ভাবছি যে পূর্ববর্তী পুনরাবৃত্তির তুলনায় ব্যয় ফাংশনটি যদি বৃহত্তর মান দেয় তবে আমি স্বয়ংক্রিয়ভাবে এটিকে সামঞ্জস্য করতে পারি (অ্যালগরিদম রূপান্তরিত হবে না) তবে কী নতুন মান নেওয়া উচিত তা আমি নিশ্চিত নই।

9 regression  machine-learning  gradient-descent 

আমি বিশপের বাইরের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং এই বইটি পড়ছিলাম। রৈখিক ডায়নামিকাল সিস্টেমের উত্স সম্পর্কিত আমার একটি বিভ্রান্তি ছিল। এলডিএসে আমরা সুপ্ত পরিবর্তনশীলকে ধারাবাহিক বলে ধরে নিই। জেড যদি সুপ্ত ভেরিয়েবলগুলি চিহ্নিত করে এবং এক্স পরিলক্ষিত ভেরিয়েবলগুলি চিহ্নিত করে পি (z- রএন|z- রn - 1) = এন(z- রএন| একজনz- …

9 machine-learning  linear-model  kalman-filter  pattern-recognition  graphical-model 

আমার প্রতি রোগীর প্রায় 500 ভেরিয়েবল রয়েছে, প্রতিটি ভেরিয়েবলের একটি ক্রমাগত মান থাকে এবং তিনটি ভিন্ন টাইম পয়েন্টে পরিমাপ করা হয় (2 মাস পরে এবং 1 বছর পরে)। রিগ্রেশন দিয়ে আমি নতুন রোগীদের চিকিত্সার ফলাফলের পূর্বাভাস দিতে চাই। এই জাতীয় অনুদায়ী তথ্য দিয়ে কি এসভিএম রিগ্রেশন ব্যবহার করা সম্ভব?

9 regression  svm  panel-data 

ব্যবধান সেন্সর করা বেঁচে থাকার সময় দেওয়া হয়েছে, আমি কীভাবে একটি অন্তর সেন্সরড কক্স পিএইচ মডেলটি সম্পাদন করব R? একটি রিসার্ক অনুসন্ধান প্যাকেজটি সক্রিয় করে intcox, যা আর Rসংগ্রহস্থলটিতে নেই। আমি প্রায় ইতিবাচক প্যাকেজ coxphমধ্যে ফাংশন survivalবিরতি সেন্সর বেঁচে থাকার তথ্য হ্যান্ডেল করতে পারবেন না। এছাড়াও, আমি ডেটা গুনতে এবং …

9 r  survival  cox-model  interval-censoring 

তাহলে IID নেতিবাচক দ্বিপদ হয়, তাহলে কি বিতরণের হয় দেওয়াx1,x2,…,xnx1,x2,…,xnx_1, x_2, \ldots, x_n(x1,x2,…,xn)(x1,x2,…,xn)(x_1, x_2, \ldots, x_n) x1+x2+…+xn=Nx1+x2+…+xn=Nx_1 + x_2 + \ldots + x_n = N\quad ? NNN স্থির হয়। তাহলে পইসন তারপর শর্তাধীন মোট উপর, MULTINOMIAL হয়। এটি নেতিবাচক দ্বিপদী সম্পর্কে সত্য কিনা তা আমি নিশ্চিত নই, কারণ এটি মিশ্রণ …

9 poisson-distribution  multinomial  negative-binomial  conditioning