প্রশ্ন ট্যাগ «convergence»

রূপান্তরটি সাধারণত বোঝায় যে নমুনার আকার অসীমের দিকে ঝোঁকায় একটি নির্দিষ্ট নমুনার পরিমাণের ক্রম একটি ধ্রুবকের কাছে যায়। রূপান্তর হ'ল কিছু লক্ষ্য মানের স্থিতিশীল করার জন্য একটি পুনরাবৃত্ত অ্যালগরিদমের সম্পত্তি।

1
গেলম্যান এবং রুবিন কনভার্জেনশন ডায়াগোনস্টিক, কীভাবে ভেক্টরগুলির সাথে কাজ করার জন্য সাধারণীকরণ করবেন?
সমান্তরালভাবে চলমান একাধিক এমএমসিসি চেইনের রূপান্তর পরীক্ষা করতে গেলম্যান এবং রুবিন ডায়াগনস্টিক ব্যবহার করা হয়। এটি আন্তঃ-চেইন বৈকল্পিককে মধ্যবর্তী-চেইনের বৈচিত্রের সাথে তুলনা করে, প্রকাশটি নীচে রয়েছে: পদক্ষেপ (প্রতিটি প্যারামিটারের জন্য): অতিমাত্রায় প্রারম্ভিক মানগুলি থেকে 2 length দৈর্ঘ্যের মি ≥ 2 চেইনগুলি চালান। প্রতিটি চেইনে প্রথম এন অঙ্কন ত্যাগ করুন। চেনের …

4
সামঞ্জস্যপূর্ণ এবং অ্যাসেম্পোটোটিক্যালি নিরপেক্ষতার মধ্যে পার্থক্যটির স্বজ্ঞাত ধারণা
আমি ধারাবাহিক এবং অ্যাসেম্পোটোটিক্যালি নিরপেক্ষ শব্দটির মধ্যে পার্থক্য এবং ব্যবহারিক পার্থক্যের জন্য একটি স্বজ্ঞাত বোঝার এবং অনুভব করার চেষ্টা করছি। আমি তাদের গাণিতিক / পরিসংখ্যান সংজ্ঞা জানি, কিন্তু আমি স্বজ্ঞাত কিছু খুঁজছি। আমার কাছে, তাদের পৃথক সংজ্ঞাটি দেখে তারা প্রায় একই জিনিস বলে মনে হয়। আমি বুঝতে পারি পার্থক্যটি অবশ্যই …

1
ব্যবহারের হাইপোথিসিস পরীক্ষা যে জন্য কারণ দ্রুত অভিসৃতি হার?
মনে করুন যে আমার কাছে আইডি এবং আমি একটি হাইপোথিসিস পরীক্ষা করতে চাই যে 0. 0 হয় মনে করুন আমার কাছে বড় এন আছে এবং কেন্দ্রীয় সীমাবদ্ধ তত্ত্বটি ব্যবহার করতে পারি। আমি এমন একটি পরীক্ষাও করতে পারলাম যে 0 0 হয় যা পরীক্ষার সমান হতে হবে যে 0 0 আরও, …

2
স্লুটস্কির উপপাদ্য কি এখনও বৈধ যখন দুটি অনুক্রম উভয়ই একটি অবনমিত র্যান্ডম ভেরিয়েবলে রূপান্তর করে?
স্লটস্কির উপপাদ্য সম্পর্কে কিছু বিবরণ নিয়ে আমি বিভ্রান্ত : যাক , স্কালে / ভেক্টর / ম্যাট্রিক্স র্যান্ডম উপাদানের দুই সিকোয়েন্স হও।{Xn}{Xn}\{X_n\}{Yn}{Yn}\{Y_n\} তাহলে একটি র্যান্ডম উপাদানে বিতরণে এগোয় এবং একটি ধ্রুবক থেকে সম্ভবত এগোয় , তারপর প্রদান করা হয়েছে যে বিবর্তনযোগ্য, যেখানে distribution বিতরণে রূপান্তরকে বোঝায়।XnXnX_nXXXYnYnY_ncccXn+Yn XnYn Xn/Yn →d X+c→d cX→d …

3
সম্ভাবনা একীকরণ সম্পর্কে
যাক {Xn}n≥1{Xn}n≥1\{X_n\}_{n\geq 1} র্যান্ডম ভেরিয়েবল St একটা ক্রম হতে Xn→aXn→aX_n \to a সম্ভাবনা, যেখানে a>0a>0a>0 একটি নির্দিষ্ট ধ্রুবক। আমি নিম্নলিখিতটি দেখানোর চেষ্টা করছি: Xn−−−√→a−−√Xn→a\sqrt{X_n} \to \sqrt{a} এবং aXn→1aXn→1\frac{a}{X_n}\to 1 উভয়ই সম্ভাবনা। আমার যুক্তিটি সঠিক ছিল কিনা তা দেখার জন্য আমি এখানে আছি। এখানে আমার কাজ প্রচেষ্টা প্রথম অংশের জন্য, আমাদের …

2
আরও বেশি করে ডেটা সংগ্রহ হওয়ার সাথে সাথে সম্ভাবনা অনুপাতের কী হবে?
যাক , এবং ঘনত্বের হতে হবে এবং অনুমান করা আপনি , । সম্ভাবনা অনুপাতের কী হবে হিসাবে ? (এটি কি রূপান্তর করে? কিসের দিকে?)g h x i ∼ h i ∈ N n ∏ i = 1 f ( x i )চffছggজhhএক্সআমি∼ এইচxi∼hx_i \sim hi ∈ Ni∈Ni \in \mathbb{N} n→∞Πi …

3
তবুও আরেকটি কেন্দ্রীয় সীমাবদ্ধ তাত্ত্বিক প্রশ্ন
যাক সঙ্গে স্বাধীন বের্নুলির র্যান্ডম ভেরিয়েবল একটা ক্রম হতে সেট দেখান যে distribution স্ট্যান্ডার্ড স্বাভাবিক ভেরিয়েবল তে বিতরণে রূপান্তরিত হয় কারণ অসীমের দিকে ঝোঁক।পি { এক্স ট = 1 } = 1 - পি { এক্স ট = 0 } = 1{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}এসএন= এন ∑ কে=1(এক্সকে-1P{Xk=1}=1−P{Xk=0}=1k.P{Xk=1}=1−P{Xk=0}=1k.P\{X_k=1\}=1-P\{X_k=0\}=\frac{1}{k}. এসএনSn=∑k=1n(Xk−1k), B2n=∑k=1nk−1k2Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2S_n=\sum^{n}_{k=1}\left(X_k-\frac{1}{k}\right), \ B_n^2=\sum^{n}_{k=1}\frac{k-1}{k^2} …

1
এর MLE হয়
ধরুন (X,Y)(X,Y)(X,Y) এর পিডিএফ আছে fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 নমুনা ঘনত্ব (X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} এই নতুন জনগোষ্ঠীতে থেকে টানা তাই হয় gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} সর্বোচ্চ সম্ভাবনা মূল্নির্ধারক θθ\theta যেমন আহরিত হতে পারে θ^(X,Y)=X¯¯¯¯Y¯¯¯¯−−−√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} আমি জানতে চাই যে …

1
অর্ডার পরিসংখ্যানগুলির মাধ্যমে অনুমানকে পার্সেন্টাইলে রূপান্তর করে
পরামিতি সহ, আলফা স্থিতিশীল বিতরণ থেকে নমুনা দেওয়া আইআইডি র্যান্ডম ভেরিয়েবলগুলির ক্রম Let ।X1,X2,…,X3nX1,X2,…,X3nX_1, X_2, \ldots, X_{3n}α=1.5,β=0,c=1.0,μ=1.0α=1.5,β=0,c=1.0,μ=1.0\alpha = 1.5, \; \beta = 0, \; c = 1.0, \; \mu = 1.0 এখন অনুক্রমটি বিবেচনা করুন , যেখানে , । Y j + 1 = X 3 j + 1 X …

3
দুটি অনুরূপ সময় সিরিজ যখন ডাইভার্জ শুরু হয় তা যাচাই করতে পরিসংখ্যান পরীক্ষা test
শিরোনাম হিসাবে আমি জানতে চাই যে একটি পরিসংখ্যান পরীক্ষা আছে যা আমাকে দুটি অনুরূপ সময় সিরিজের মধ্যে একটি উল্লেখযোগ্য বিচ্যুতি সনাক্ত করতে সহায়তা করতে পারে। বিশেষত, নীচের চিত্রটি অনুসন্ধান করে, আমি সনাক্ত করতে চাই যে সিরিজটি টি -২০ সময়ে বিচ্যুত হতে শুরু করে, অর্থাৎ যখন তাদের মধ্যে পার্থক্যটি উল্লেখযোগ্য হতে …

2
একটি কাউন্টারিক নমুনা প্রমাণ করুন বা সরবরাহ করুন: যদি XnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX , তবে (∏ni=1Xi)1/n(∏i=1nXi)1/n(\prod_{i=1}^{n}X_i)^{1/n} →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX আমার প্রচেষ্টা : মিথ্যা: ধরুন XXX কেবলমাত্র নেতিবাচক মানগুলি গ্রহণ করতে পারে এবং ধরুন ∀ এনXn≡XXn≡XX_n \equiv X ∀∀\forall nnn তাহলে XnXnX_n →a.s.→a.s.\,{\buildrel a.s. \over \rightarrow}\, XXX …

1
এমন কোনও উপপাদ্য রয়েছে যা বলে যে distribution অনন্ততায় যাওয়ার সাথে সাথে বিতরণে রূপান্তরিত হয় ?
যাক হতে কোনো সংজ্ঞায়িত গড় সঙ্গে বন্টন এবং স্ট্যানডার্ড ডেভিয়েশন । কেন্দ্রীয় সীমাবদ্ধতা উপপাদ্যটি বলে যে distribution বিতরণকে একটি আদর্শ সাধারণ বিতরণে রূপান্তর করে। যদি আমরা sample নমুনা স্ট্যান্ডার্ড বিচ্যুতি দ্বারা প্রতিস্থাপন করি তবে এমন কোনও উপপাদ রয়েছে যা distribution বিতরণে টি-বিতরণে রূপান্তর করে? যেহেতু বড়XXXμμ\muσσ\sigman−−√X¯−μσnX¯−μσ \sqrt{n}\frac{\bar{X} - \mu}{\sigma} σσ\sigmaSSSn−−√X¯−μSnX¯−μS …

1
কে-অর্থ: ব্যবহারিক পরিস্থিতিতে কতটি পুনরাবৃত্তি?
ডেটা মাইনিং বা বড় ডেটাতে আমার শিল্পের অভিজ্ঞতা নেই তাই আপনাকে কিছু অভিজ্ঞতা ভাগ করে নিতে শুনে ভালো লাগবে। লোকেরা কি আসলেই বড়-বড় ডেটাসেটে কে-মানে, প্যাম, ক্লারা ইত্যাদি চালায়? অথবা তারা এলোমেলোভাবে এটি থেকে একটি নমুনা বাছাই করে? যদি তারা কেবল ডেটাসেটের একটি নমুনা নেন, তবে ডাটাসেটটি সাধারণত বিতরণ না …

1
প্রায় নিশ্চিত রূপান্তরটি সম্পূর্ণ রূপান্তরকে বোঝায় না
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 …

1
আর লিনিয়ার রিগ্রেশন শ্রেণিবদ্ধ পরিবর্তনশীল "লুকানো" মান
এটি কেবলমাত্র একটি উদাহরণ যা আমি বেশ কয়েকবার এসেছি, সুতরাং আমার কোনও নমুনা ডেটা নেই। আরে লিনিয়ার রিগ্রেশন মডেল চালাচ্ছেন: a.lm = lm(Y ~ x1 + x2) x1একটি অবিচ্ছিন্ন পরিবর্তনশীল। x2শ্রেণীবদ্ধ এবং এর তিনটি মান রয়েছে যেমন "নিম্ন", "মাঝারি" এবং "উচ্চ"। তবে আর দ্বারা প্রদত্ত আউটপুটটি এরকম কিছু হবে: summary(a.lm) …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

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.