প্রশ্ন ট্যাগ «estimation»

এই ট্যাগটি খুব সাধারণ; আরও একটি নির্দিষ্ট ট্যাগ সরবরাহ করুন। নির্দিষ্ট অনুমানের বৈশিষ্ট্য সম্পর্কে প্রশ্নের জন্য, পরিবর্তে [অনুমানকারী] ট্যাগটি ব্যবহার করুন।

2
স্বতন্ত্র পরিবর্তনশীলের সাথে কোন স্ট্যান্ডার্ড বিচ্যুতি স্কেল করে সেই হারটি অনুমান করুন
আমি একটি পরীক্ষা যা আমি স্বাভাবিকভাবে বিতরণ ভেরিয়েবলের পরিমাপ নিচ্ছি আছে ,YYY Y∼N(μ,σ)Y∼N(μ,σ)Y \sim N(\mu,\sigma) যাইহোক, পূর্ববর্তী পরীক্ষাগুলি কিছু প্রমাণ সরবরাহ করেছে যে স্ট্যান্ডার্ড বিচ্যুতি একটি স্বাধীন ভেরিয়েবল অ্যাফাইন ফাংশন , অর্থাৎσσ\sigmaXXX σ=a|X|+bσ=a|X|+b\sigma = a|X| + b Y∼N(μ,a|X|+b)Y∼N(μ,a|X|+b)Y \sim N(\mu,a|X| + b) আমি পরামিতি অনুমান করার জন্য চাই এবং স্যাম্পলিং …

1
অসম বৈকল্পিক সহ জেমস-স্টেইন অনুমানক
আমি জেমস-স্টেইন অনুমানকারীর প্রত্যেকটি বিবৃতি অনুমান করি যে অনুমান করা যায় যে এলোমেলো ভেরিয়েবলগুলির একই (এবং ইউনিট) ভেরিয়েন্স রয়েছে। তবে এই সমস্ত উদাহরণে আরও উল্লেখ করা হয়েছে যে জেএসের অনুমানকারীকে একে অপরের সাথে কিছুই করার মতো পরিমাণের অনুমান করতে ব্যবহার করা যেতে পারে। উইকিপিডিয়া উদাহরণ তাইওয়ানের আলো, চা পান, এবং …

2
কেন্দ্র-সেন্সর করা সাধারণ নমুনাগুলির বৈকল্পিক অনুমান করা
আমার সাধারণত বিতরণ করা প্রক্রিয়া রয়েছে যা থেকে আমি ছোট নমুনা পাই ( এন সাধারণত 10-30) যা ভেরিয়েন্সটি অনুমান করতে আমি ব্যবহার করতে চাই। তবে প্রায়শই নমুনাগুলি একসাথে এত কাছাকাছি থাকে যে আমরা কেন্দ্রের কাছাকাছি পৃথক পয়েন্টগুলি পরিমাপ করতে পারি না। আমার এই অস্পষ্ট ধারণাটি রয়েছে যে আমাদের অর্ডার করা …

1
সিগময়েড বক্ররেখার সোজা অংশের opeাল অনুমান করা
আমাকে এই কাজটি দেওয়া হয়েছে এবং স্টাম্পড হয়েছিল। একজন সহকর্মী আমাকে নীচের চার্টের এবং অনুমান করতে :এক্সu পি পি ই আরএক্সতোমার দর্শন লগ করাপিপিইRx_{upper}এক্সl ও ডব্লু ই আর আরএক্সঠণWইRx_{lower} বক্ররেখাটি আসলে একটি ক্রমবর্ধমান বিতরণ এবং এক্স এক ধরণের পরিমাপ। যখন ক্রমসংক্রান্ত ক্রিয়াটি সোজা হয়ে উঠতে শুরু করে এবং সরল থেকে …

1
সর্বাধিক পোস্টেরিয়েরি অনুমানের উদাহরণ
আমি সর্বাধিক সম্ভাবনার অনুমান এবং সর্বাধিক উত্তরোত্তর অনুমান সম্পর্কে পড়ছি এবং এখন পর্যন্ত আমি সর্বাধিক সম্ভাবনা অনুমানের সাথে কংক্রিটের উদাহরণগুলি পেয়েছি। সর্বাধিক পোস্টেরিয়েরি অনুমানের কয়েকটি বিমূর্ত উদাহরণ আমি পেয়েছি, তবে এটির সংখ্যার সাথে এখনও কংক্রিটের কিছু নেই: এস এটি খুব বিস্ময়কর হতে পারে, কেবল বিমূর্ত পরিবর্তনশীল এবং ফাংশনগুলির সাথে কাজ …

1
কীভাবে মাত্র 5 থেকে 7 ডেটা পয়েন্ট দ্বারা লজিস্টিক রিগ্রেশনটির জন্য একটি আপারবাউন্ড অনুমান করা যায়?
আমি ফর্মের যে তথ্য আছে । থেকে অনুমানের জন্য আমি এই কাগজের সূত্রগুলি ব্যবহার করি: জন ফক্স - ননলাইনার রিগ্রেশন এবং ননলাইনার লেস্ট স্কোয়ার্স এই কাগজে, at বিটা_1 ডেটা দেখে অনুমান করা হয়। আমি যদি এটি করি তবে এটি ঠিক কাজ করে, এমনকি আমার কেবল তিনটি পয়েন্ট রয়েছে। সে থেকে …

2
for জন্য রেফারেন্স ?
তাঁর মধ্যে উত্তর আমার আগের প্রশ্নের, @Erik পি অভিব্যক্তি দেয় যেখানে হ'ল বিতরণের অতিরিক্ত কুর্তোসিস । নমুনা বৈকল্পিক বিতরণ উইকিপিডিয়া এন্ট্রি একটি রেফারেন্স দেওয়া হয়, কিন্তু উইকিপিডিয়া পৃষ্ঠাতে "উদ্ধৃতি প্রয়োজন" বলে।Var[s2]=σ4(2n−1+κn),Var[s2]=σ4(2n−1+κn), \mathrm{Var}[s^2]=\sigma^4 \left(\frac{2}{n-1} + \frac{\kappa}{n}\right) \>, κκ\kappa আমার প্রাথমিক প্রশ্নটি হল, এই সূত্রের জন্য কোনও রেফারেন্স আছে? এটি কি 'তুচ্ছ' …

3
স্পাইকে ছাড়াই কাটা কাটা গাউসিয়ান বক্ররেখের গড় এবং সেন্ট দেব অনুমান করা
ধরুন আমার কাছে একটি কালো বাক্স আছে যা গড় বোধক এবং মানক বিচ্যুতিগুলির সাথে একটি সাধারণ বিতরণ অনুসরণ করে ডেটা উত্পন্ন করে। মনে করুন, যাইহোক, এটি যখনই কোনও মান আউটপুট করে <0 এটি কোনও কিছু রেকর্ড করে না (এমনকি এটি এমন মানটি আউটপুট করেও বলতে পারে না)। আমাদের একটি ছোঁয়া …

1
আর / এমজিসিভি: টি () এবং টিআই () সেন্সর পণ্যগুলি কেন বিভিন্ন উপরিভাগ তৈরি করে?
mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

2
সর্বাধিক সম্ভাবনার প্রাক্কলন বুঝতে কত ক্যালকুলাস প্রয়োজন?
আমি এমএলই শেখার জন্য একটি স্টাডি পরিকল্পনা করার পরিকল্পনা করছি। এটি করার জন্য আমি ক্যালকুলাসের ন্যূনতম স্তরের কী তা বোঝার চেষ্টা করছি যা এমএলই বোঝার জন্য প্রয়োজনীয়। এমএলই বোঝার জন্য ক্যালকুলাসের বেসিকগুলি (যেমন ন্যূনতম এবং সর্বাধিক কার্যকারিতা সন্ধান করা) বোঝার পক্ষে যথেষ্ট?

2
একটি অখণ্ডের যথার্থতা কীভাবে অনুমান করা যায়?
কম্পিউটার গ্রাফিক্সের একটি অত্যন্ত সাধারণ পরিস্থিতি হ'ল কিছু পিক্সেলের রঙ কিছু বাস্তব-মূল্যবান ফাংশনের অবিচ্ছেদ্য সমান। প্রায়শই বিশ্লেষণাত্মকভাবে সমাধান করতে ফাংশনটি খুব জটিল হয়, তাই আমরা সংখ্যাসমূহের কাছাকাছি রেখেছি। তবে ফাংশনটি প্রায়শই গণনা করাতে খুব ব্যয়বহুল হয়, তাই আমরা কতগুলি নমুনা গণনা করতে পারি তার জন্য আমরা প্রচুর পরিমাণে সীমাবদ্ধ। (উদাহরণস্বরূপ, …

1
রিগ্রেশন সহগের অনুমানগুলি কি সম্পর্কহীন?
একটি সাধারণ রিগ্রেশন বিবেচনা করুন (স্বাভাবিকতা ধরে নেওয়া হয় না): যেখানে গড় এবং স্ট্যান্ডার্ড বিচ্যুতি । এবং এর ন্যূনতম স্কোয়ার অনুমানগুলি কি সম্পর্কহীন?Yi=a+bXi+ei,Yi=a+bXi+ei,Y_i = a + b X_i + e_i,eieie_i000σσ\sigmaaaabbb

1
UMVUE অস্তিত্ব ও এর মূল্নির্ধারক পছন্দমত উপর মধ্যে জনসংখ্যা
আসুন জনসংখ্যার যেখানে drawn থেকে আঁকা একটি এলোমেলো নমুনা হোক ।(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R আমি UMVUE সন্ধান করছি ।θθ\theta যুগ্ম ঘনত্ব হয়(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , যেখানে এবং ।এইচ(এক্স)=1g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf x)=1 এখানে, উপর নির্ভর করে এবং এর মাধ্যমে এবং স্বাধীন । …

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
দুটি নমুনার জন্য কুলব্যাক-লেবেলার বিচ্যুতি
আমি দুটি নমুনার জন্য কুলব্যাক-লেবলার ডাইভারজেনের একটি সংখ্যার হিসাবটি প্রয়োগ করার চেষ্টা করেছি। প্রয়োগটি ডিবাগ করার জন্য দুটি সাধারণ বিতরণ থেকে নমুনাগুলি আঁকুন এবং ।এন ( 1 , 2 )এন( 0 , 1 )N(0,1)\mathcal N (0,1)এন( 1 , 2 )N(1,2)\mathcal N (1,2) একটি সাধারণ অনুমানের জন্য আমি দুটি হিস্টোগ্রাম উত্পন্ন …

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.