প্রশ্ন ট্যাগ «beta-distribution»

ব্যবধানে সংজ্ঞায়িত অবিচ্ছিন্ন বিতরণের একটি দ্বি-প্যারামিটার পরিবার [0,1]

2
Θ এর UMVUE
যাক (X1,X2,…,Xn)(X1,X2,…,Xn)(X_1,X_2,\ldots,X_n) ঘনত্ব থেকে একটি র্যান্ডম নমুনা হতে fθ(x)=θxθ−110<x<1,θ>0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 আমি M এর UMVUE সন্ধান করার চেষ্টা করছি θ1+θθ1+θ\frac{\theta}{1+\theta} । যুগ্ম ঘনত্ব (X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) হয় fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp[(θ−1)∑i=1nlnxi+nlnθ+ln(10<x1,…,xn<1)],θ>0fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp⁡[(θ−1)∑i=1nln⁡xi+nln⁡θ+ln⁡(10<x1,…,xn<1)],θ>0\begin{align} f_{\theta}(x_1,\cdots,x_n)&=\theta^n\left(\prod_{i=1}^n x_i\right)^{\theta-1}\mathbf1_{00 \end{align} জনসংখ্যা PDF হিসেবে fθfθf_{\theta} এক প্যারামিটার সূচকীয় পরিবারের জন্যে, এই শো জন্য একটি সম্পূর্ণ যথেষ্ট পরিসংখ্যাত যে θθ\theta হল T(X1,…,Xn)=∑i=1nlnXiT(X1,…,Xn)=∑i=1nln⁡XiT(X_1,\ldots,X_n)=\sum_{i=1}^n\ln X_i যেহেতু …

2
দক্ষতার সাথে একটি চৌম্বক বিটা বিতরণ নমুনা
নিম্নলিখিত বিতরণ থেকে কীভাবে দক্ষতার সাথে নমুনা করব? x ∼ বি ( α , β)) , এক্স > কে x∼B(α,β), x>k x \sim B(\alpha, \beta),\space x > k যদি খুব বেশি বড় না হয় তবে প্রত্যাখ্যানের নমুনা সেরা পদ্ধতির হতে পারে, তবে বড় হলে কীভাবে এগিয়ে যেতে হবে তা আমি …

1
কোন গভীর শিক্ষণ মডেল এমন বিভাগগুলিকে শ্রেণিবদ্ধ করতে পারে যা পারস্পরিক একচেটিয়া নয়
উদাহরণ: আমার কাজের বাক্যে একটি বাক্য রয়েছে: "যুক্তরাজ্যের জাভা সিনিয়র ইঞ্জিনিয়ার"। আমি এটি 2 বিভাগ: English এবং হিসাবে পূর্বাভাস দেওয়ার জন্য একটি গভীর শিক্ষার মডেল ব্যবহার করতে চাই IT jobs। যদি আমি traditionalতিহ্যগত শ্রেণিবদ্ধকরণ মডেল ব্যবহার করি তবে এটি কেবল softmaxসর্বশেষ স্তরে ফাংশন সহ 1 টি লেবেল পূর্বাভাস দিতে পারে …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

4
আমি কীভাবে একটি কক্সিক বিপত্তি মডেল বেঁচে থাকার বক্ররেখা ব্যাখ্যা করব?
কক্স আনুপাতিক বিপদ মডেল থেকে আপনি কীভাবে বেঁচে থাকার কার্ভটিকে ব্যাখ্যা করবেন? এই খেলনা উদাহরণে, ধরুন আমাদের কাছে ডেটা ageপরিবর্তনের ক্ষেত্রে একটি কক্স আনুপাতিক বিপত্তি মডেল রয়েছে kidneyএবং বেঁচে থাকার বক্ররেখা উত্পন্ন করছে। library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() উদাহরণস্বরূপ, সময়ে , কোন বিবৃতিটি সত্য? নাকি দুটোই …

1
বিটা বিতরণের দুটি কোয়ান্টাইল কি তার পরামিতিগুলি নির্ধারণ করে?
আমি যদি দুই কোয়ান্টাইল দিই (কুই1,কুই2)(q1,q2)(q_1,q_2) এবং তাদের সম্পর্কিত অবস্থানগুলি (ঠ1,ঠ2)(l1,l2)(l_1,l_2) (প্রতিটি) উন্মুক্ত ব্যবধানে (0,1)(0,1)(0,1), আমি কি সবসময় একটি বিটা বিতরণের প্যারামিটারগুলি সুনির্দিষ্ট অবস্থানে থাকতে পারি?

1
যদি স্বাধীন বিটা হয় তবে এছাড়াও বিটা হয় তা দেখান
এখানে কয়েক বছর আগে আমাদের বিশ্ববিদ্যালয়ে একটি সেমিস্টার পরীক্ষায় এসেছিল এমন একটি সমস্যা যা আমি সমাধানের জন্য লড়াই করছি। যদি এক্স1,এক্স2এক্স1,এক্স2X_1,X_2 স্বতন্ত্র ββ\beta ঘনত্বগুলির সাথে বিটা র্যান্ডম ভেরিয়েবলগুলি থাকে β(এন1,এন2)β(এন1,এন2)\beta(n_1,n_2) এবং \ বিটা (n_1 + f dfrac {1} {2}, n_2)β(এন1+ +12,এন2)β(এন1+ +12,এন2)\beta(n_1+\dfrac{1}{2},n_2) যথাক্রমে দেখায় যে এক্স1এক্স2-----√এক্স1এক্স2\sqrt{X_1X_2} অনুসরণ করে β( 2)এন1, …

2
মিশ্র মডেলগুলির জন্য প্যারামেট্রিক, সেমিপ্রেমেট্রিক এবং ননপ্যারমেট্রিক বুটস্ট্র্যাপিং
নিম্নলিখিত গ্রাফ্ট এই নিবন্ধ থেকে নেওয়া হয়েছে । আমি বুটস্ট্র্যাপে নবাগত এবং R bootপ্যাকেজের সাথে রৈখিক মিশ্র মডেলের জন্য প্যারামিমেট্রিক, সেমিপ্রায়মেট্রিক এবং ননপ্যারমেট্রিক বুটস্ট্র্যাপিং বুটস্ট্র্যাপিং বাস্তবায়নের চেষ্টা করছি । আর কোড আমার Rকোডটি এখানে : library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
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.