প্রশ্ন ট্যাগ «asymptotics»

নমুনার আকার অসীমের কাছে পৌঁছলে অ্যাসিপটোটিক তত্ত্ব অনুমানকারী এবং পরীক্ষার পরিসংখ্যানগুলির বৈশিষ্ট্যগুলি অধ্যয়ন করে।

1
এমন কোনও ফলাফল রয়েছে যা বুটস্ট্র্যাপ সরবরাহ করে যা বৈধ এবং যদি কেবলমাত্র পরিসংখ্যানটি মসৃণ হয়?
আমরা ধরে নিচ্ছি আমাদের পরিসংখ্যান θ(⋅)θ(⋅)\theta(\cdot) হ'ল কিছু ডেটা X1,…XnX1,…XnX_1, \ldots X_n ফাংশন যা বিতরণ ফাংশন থেকে আঁকা FFF; আমাদের নমুনা গবেষণামূলক বন্টন ফাংশন এফ । সুতরাং θ ( এফ ) পরিসংখ্যাত একটি এলোপাতাড়ি ভেরিয়েবলের এবং হিসাবে দেখা হয় θ ( এফ ) পরিসংখ্যাত এর বুটস্ট্র্যাপ সংস্করণ। আমরা ডি ∞ …

2
কেন ধারাবাহিকতা সংশোধন (বলুন, দ্বিপদী বিতরণের সাধারণ অনুমান) কাজ করে?
আমি আরও ভালভাবে বুঝতে চাই যে কীভাবে সাধারণ আনুমানিকের জন্য দ্বিপদী বিতরণে ধারাবাহিকতা সংশোধন করা হয়েছিল। আমাদের কী 1/2 যোগ করা উচিত (অন্য সংখ্যাটি কেন নয়?) সিদ্ধান্ত নেওয়ার জন্য কোন পদ্ধতিটি ব্যবহার করা হয়েছিল? কোন ব্যাখ্যা (অথবা প্রস্তাব পড়া লিঙ্কের ছাড়া অন্য এই , প্রশংসা হবে)।

2
কেন উইল্কসের 1938 প্রুফ ভুল বর্ণিত মডেলগুলির জন্য কাজ করে না?
বিখ্যাত 1938 পত্রিকায় (" যৌগিক অনুমানের পরীক্ষার সম্ভাবনা অনুপাতের বৃহত-নমুনা বন্টন ", গাণিতিক পরিসংখ্যানগুলির অ্যানালস, 9: 60-62), স্যামুয়েল উইলস (লগ সম্ভাবনা অনুপাত) এর অ্যাসিম্পোটিক বিতরণ প্রাপ্ত করেছেন নেস্টেড হাইপোথিসিসের জন্য, অনুমানের অধীনে যে বৃহত্তর অনুমানটি সঠিকভাবে নির্দিষ্ট করা হয়েছে। সীমাবদ্ধ বিতরণ হ'ল স্বাধীনতার ডিগ্রি সহ (চি-স্কোয়ার্ড) , যেখানে বৃহত্তর অনুমান …

4
পিসিএ স্পেসে নতুন ভেক্টর কীভাবে প্রজেক্ট করবেন?
প্রধান উপাদান বিশ্লেষণ (পিসিএ) করার পরে, আমি পিসিএ স্পেসে একটি নতুন ভেক্টর প্রজেক্ট করতে চাই (অর্থাত পিসিএ স্থানাঙ্ক সিস্টেমে এর স্থানাঙ্কগুলি সন্ধান করুন)। আমি আর ভাষা ব্যবহার করে পিসিএ গণনা করেছি prcomp। এখন আমার পিসিএ রোটেশন ম্যাট্রিক্স দ্বারা আমার ভেক্টরকে গুণ করতে সক্ষম হওয়া উচিত। এই ম্যাট্রিক্সের মূল উপাদানগুলি কি …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

2
একটি পরিসংখ্যান প্রয়োগ আছে যা দৃ that় ধারাবাহিকতা প্রয়োজন?
আমি ভাবছিলাম যে কেউ জানে বা পরিসংখ্যানগুলিতে এমন কোনও অ্যাপ্লিকেশন উপস্থিত রয়েছে যাতে দুর্বল ধারাবাহিকতার পরিবর্তে কোনও অনুমানকারীর দৃ strong় ধারাবাহিকতা প্রয়োজন। এটি হ'ল, দৃ application় ধারাবাহিকতা প্রয়োগের জন্য প্রয়োজনীয় এবং অ্যাপ্লিকেশনটি দুর্বল ধারাবাহিকতার সাথে কাজ করবে না।

5
যখন কেন্দ্রীয় সীমাবদ্ধ তত্ত্ব এবং বৃহত সংখ্যার আইন একমত হয় না
এটি মূলত গণিতের উপরে আমি যে প্রশ্নের উত্তর পেয়েছি তারই একটি প্রতিলিপি , যা আমি প্রত্যাশিত উত্তর পাই নি। যাক { এক্স আমি } আমি ∈ এন{Xi}i∈N\{ X_i \}_{i \in \mathbb{N}} স্বাধীন, অভিন্নরুপে বিতরণ র্যান্ডম ভেরিয়েবল একটা ক্রম, সাথে থাকতে এবং ।ই [ এক্স আই ] = 1 E[Xi]=1\mathbb{E}[X_i] = …

3
অ-স্বাভাবিক নমুনার নমুনা বৈকল্পিকের Asympotic বিতরণ
এটি এই প্রশ্নের উত্থাপিত সমস্যার আরও সাধারণ চিকিত্সা । নমুনা বৈকল্পিকের asympotic বিতরণ প্রাপ্তির পরে, আমরা প্রমিত বিচ্যুতির জন্য সংশ্লিষ্ট বিতরণে পৌঁছানোর জন্য ডেল্টা পদ্ধতিটি প্রয়োগ করতে পারি। আইড আই -নন-নরমাল এলোমেলো ভেরিয়েবল { X i } এর আকার nnn এর একটি নমুনা দেওয়া যাক ,{Xi},i=1,...,n{Xi},i=1,...,n\{X_i\},\;\; i=1,...,n , গড়μμ\mu এবং …

2
কেন
একটি প্যারামিটারের জন্য অনুমানকারী অনুক্রম y যদি অ্যাসিপোটোটিকভাবে স্বাভাবিক √UnUnU_nθθ\thetan−−√(Un−θ)→N(0,v)n(Un−θ)→N(0,v)\sqrt{n}(U_n - \theta) \to N(0,v)। (উৎস) আমরা তখন কলএর মধ্যে asymptotic ভ্যারিয়েন্স। যদি এই বৈকল্পিকতাক্র্যামার-রাও সীমানারসমান হয় তবেআমরা বলি অনুমানক / ক্রমটি asyptotically দক্ষ।vvvUnUnU_n প্রশ্ন: আমরা কেন use ব্যবহার করি n−−√n\sqrt{n}বিশেষত এন ? আমি জানি যে নমুনাটির জন্য, Var(X¯)=σ2nVar(X¯)=σ2nVar(\bar{X}) = \frac{\sigma^2}{n} …

3
অ-শূন্য অ্যাসিপটোটিক বৈকল্পিক সহ অ্যাসিপটোটিক ধারাবাহিকতা - এটি কী উপস্থাপন করে?
ইস্যুটি এর আগে উঠে এসেছিল, তবে আমি একটি নির্দিষ্ট প্রশ্ন জিজ্ঞাসা করতে চাই যা একটি উত্তর সরিয়ে দেওয়ার চেষ্টা করবে যা এটি স্পষ্ট করে (এবং শ্রেণিবদ্ধ) করবে: "দরিদ্র মানুষের অ্যাসিম্পটিকস" -র মধ্যে একজনের মধ্যে স্পষ্ট পার্থক্য রয়েছে (ক) এলোমেলো ভেরিয়েবলের একটি ক্রম যা সম্ভাবনায় ধ্রুবকে রূপান্তর করে হিসাবে বিপরীত (খ) …

3
সিএলটি কেন
সুতরাং আমরা জানি যে একটি সমষ্টি nnn পরামিতি সঙ্গে poissons λλ\lambda নিজেই সঙ্গে একটি পইসন হয় nλnλn\lambda । সুতরাং অনুমান, এক সময় লাগতে পারে x∼poisson(λ=1)x∼poisson(λ=1)x \sim poisson(\lambda = 1) এবং বলে এটা আসলে ∑n1xi∼poisson(λ=1)∑1nxi∼poisson(λ=1)\sum_1^n x_i \sim poisson(\lambda = 1) যেখানে প্রতিটি xixix_i হল: xi∼poisson(λ=1/n)xi∼poisson(λ=1/n)x_i \sim poisson(\lambda = 1/n) , এবং …

2
পর্যবেক্ষণিত তথ্য ম্যাট্রিক্স প্রত্যাশিত তথ্য ম্যাট্রিক্সের একটি ধারাবাহিক অনুমানকারী?
আমি প্রমাণ করার চেষ্টা করছি যে দুর্বলভাবে সামঞ্জস্যপূর্ণ সর্বাধিক সম্ভাবনা অনুমানকারী (এমএলই) এ মূল্যায়ন করা তথ্য ম্যাট্রিক্স প্রত্যাশিত তথ্য ম্যাট্রিক্সের একটি দুর্বলভাবে সামঞ্জস্যপূর্ণ অনুমানকারী। এটি একটি বিস্তৃত উদ্ধৃত ফলাফল তবে কেউ রেফারেন্স বা প্রমাণ দেয় না (আমি ক্লান্ত হয়ে পড়েছি গুগলের ফলাফলের প্রথম 20 পৃষ্ঠা এবং আমার পরিসংখ্যানের পাঠ্যপুস্তক) আমি …

5
যখন
যাক {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n IID র্যান্ডম মান গ্রহণ ভেরিয়েবল একটি পরিবার হতে [0,1][0,1][0,1] , একটি গড় থাকার μμ\mu এবং ভ্যারিয়েন্স σ2σ2\sigma^2 । গড়, ব্যবহার করার জন্য একটি সহজ আস্থা ব্যবধান σσ\sigma যখনই পরিচিত, দেওয়া হয় P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1).P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1). P( | \bar X - \mu| > \varepsilon) \le \frac{\sigma^2}{n\varepsilon^2} \le\frac{1}{n \varepsilon^2} \qquad (1). এছাড়াও, কারণ …

2
জিএলএমগুলির জন্য রূপান্তরকরণকে সাধারণকরণের ব্যয়
\newcommand{\E}{\mathbb{E}} the ক ( ⋅ ) = ∫ d ইউভী 1 / 3 ( μ )A(⋅)=∫duV1/3(μ)A(\cdot) = \displaystyle\int\frac{du}{V^{1/3}(\mu)} the ঘনিষ্ঠ পরিবারে রূপান্তরকরণকে সাধারণকরণ করা হয় উদ্ভূত? আরও সুনির্দিষ্টভাবে : আমি এখানে পৃষ্ঠাগুলি 3 এর টেলর এক্সপেনশন স্কেচটি অনুসরণ করার চেষ্টা করেছি, 1 টি স্লাইড এখানে কিন্তু বেশ কয়েকটি প্রশ্ন রয়েছে। …

5
কোনও এম-এসিমেটরের অভিজ্ঞতামূলক হেসিয়ান কি অনির্দিষ্ট হতে পারে?
জেফ্রি ওয়াল্ড্রিজ তার ক্রোনার বিভাগ এবং প্যানেল ডেটার একনোমেট্রিক বিশ্লেষণে (পৃষ্ঠা 357) বলেছেন যে অনুশীলনমূলক হেসিয়ান "যে নির্দিষ্ট নমুনার সাথে আমরা কাজ করছি তার জন্য ইতিবাচক নির্দিষ্ট বা এমনকি ইতিবাচক অর্ধসীমা হওয়ার নিশ্চয়তা নেই"। এটি আমার কাছে (সংখ্যাগত সমস্যাগুলি বাদ দিয়ে) ভুল বলে মনে হচ্ছে এম-এসিমেটরের সংজ্ঞা হিসাবে প্যারামিটারের মান …

1
কচী বিতরণ এবং কেন্দ্রীয় সীমাবদ্ধ উপপাদ্য
CLT জন্য জন্য রাখা আমরা বন্টন আমরা মানে আছে আনুমানিক করতে ইচ্ছুক প্রয়োজন এবং সসীম ভ্যারিয়েন্স σ 2 । এটি কি সত্যই বলা যায় যে কচী বিতরণের ক্ষেত্রে, গড় এবং বিভিন্নতার অপরিচ্ছন্নতা রয়েছে, কেন্দ্রীয় সীমাবদ্ধ তত্ত্বটি অসমোহিতভাবে এমনকি একটি ভাল সান্নিধ্য দিতে ব্যর্থ হয়েছে?μμ\muσ2σ2\sigma^2

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.