প্রশ্ন ট্যাগ «integral»

3
একটি উদাহরণ: বাইনারি ফলাফলের জন্য গ্ল্যামনেট ব্যবহার করে লাসো রিগ্রেশন
আমি লাসো রিগ্রেশন সহ যেখানে আমার আগ্রহের ফলাফলটি দ্বিধাহীন তা ব্যবহার glmnetকরে ধকল শুরু করছি । আমি নীচে একটি ছোট মক ডেটা ফ্রেম তৈরি করেছি: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

3
কীভাবে আমি ক্যালকুলেট
ধরুন এবং স্ট্যান্ডার্ড সাধারণ বিতরণের ঘনত্ব ফাংশন এবং বিতরণ ফাংশন।ϕ(⋅)ϕ(⋅)\phi(\cdot)Φ(⋅)Φ(⋅)\Phi(\cdot) কীভাবে একজন অবিচ্ছেদ্য গণনা করতে পারে: ∫∞−∞Φ(w−ab)ϕ(w)dw∫−∞∞Φ(w−ab)ϕ(w)dw\int^{\infty}_{-\infty}\Phi\left(\frac{w-a}{b}\right)\phi(w)\,\mathrm dw

4
"সম্ভাব্যতার ঘনত্বের ক্রিয়াটির নীচে মোট অঞ্চলটি 1" - এর সাথে কী আপেক্ষিক?
ধারণাগতভাবে আমি "পিডিএফের নীচে মোট অঞ্চলটি 1" এর বাক্যটির অর্থ বুঝতে পারি। এর অর্থ হওয়া উচিত যে সম্ভাবনার মোট ব্যবধানে ফলাফলের সম্ভাবনাগুলি 100%। তবে আমি সত্যিই এটি "জ্যামিতিক" দৃষ্টিকোণ থেকে বুঝতে পারি না। উদাহরণস্বরূপ, যদি একটি পিডিএফে এক্স-অক্ষটি দৈর্ঘ্যের প্রতিনিধিত্ব করে, কি কিমিটারের চেয়ে মিমি পরিমাপ করা হয় তবে বক্রের …

1
কোন একক মডেল ব্যবহারের জন্য একাধিক তুলনা পদ্ধতি: lsmeans বা গ্লাহ্ট?
আমি একটি স্থির প্রভাব (শর্ত) এবং দুটি এলোমেলো প্রভাব (বিষয় নকশা এবং জুটির মধ্যে অংশগ্রহণকারী) সহ একটি মিশ্র ইফেক্ট মডেল ব্যবহার করে একটি ডেটা সেট বিশ্লেষণ করছি। মডেল দিয়ে তৈরি করা হয়েছিল lme4প্যাকেজ: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)। এরপরে, আমি স্থির প্রভাব (শর্ত) ছাড়াই মডেলটির বিপরীতে এই মডেলের সম্ভাবনা অনুপাতের পরীক্ষা করেছি এবং একটি …

1
পরিবর্তিত ডিরিচলেট বিতরণের প্রত্যাশিত মানটি কী? (সংহতকরণ সমস্যা)
একই স্কেল প্যারামিটারের সাথে গামা ভেরিয়েবলগুলি ব্যবহার করে ডিরিচলেট বিতরণের সাথে একটি এলোমেলো ভেরিয়েবল উত্পাদন করা সহজ। এমন: Xi∼Gamma(αi,β)Xi∼Gamma(αi,β) X_i \sim \text{Gamma}(\alpha_i, \beta) তারপর: (X1∑jXj,…,Xn∑jXj)∼Dirichlet(α1,…,αn)(X1∑jXj,…,Xn∑jXj)∼Dirichlet(α1,…,αn) \left(\frac{X_1}{\sum_j X_j},\; \ldots\; , \frac{X_n}{\sum_j X_j}\right) \sim \text{Dirichlet}(\alpha_1,\;\ldots\;,\alpha_n) সমস্যা স্কেল পরামিতি সমান না হলে কি হয়? Xi∼Gamma(αi,βi)Xi∼Gamma(αi,βi) X_i \sim \text{Gamma}(\alpha_i, \beta_i) তাহলে এই পরিবর্তনশীলটি কী …

1
একটি অভিজ্ঞতামূলক সিডিএফ একীকরণ
আমার একটি অভিজ্ঞতা অভিজ্ঞতা । আমি নিম্নলিখিত হিসাবে এটি গণনাG(x)G(x)G(x) x <- seq(0, 1000, 0.1) g <- ecdf(var1) G <- g(x) আমি , অর্থ হল , পিডিএফ, যখন সিডিএফ।h Gh(x)=dG/dxh(x)=dG/dxh(x) = dG/dxhhhজিGG আমি এখন একীকরণের উপরের সীমা (যেমন, ) এর জন্য একটি সমীকরণ সমাধান করতে চাই , যেমন প্রত্যাশিত মানটি …
13 r  integral  ecdf 

1
ননসেন্ট্রাল ঘনঘটিত বিতরণের প্রত্যাশিত লগ মান
অনুমান করা XXX স্থানবিহীনভাবে কেন্দ্রীয়ভাবে বিতরণ করা হয় kkk এবং হার λλ\lambda। তাহলে, কীE(log(X))E(log⁡(X))E(\log(X))। আমি এটা জানি k=0k=0k=0, উত্তরটা হচ্ছে −log(λ)−γ−log⁡(λ)−γ-\log(\lambda) - \gamma কোথায় γγ\gammaঅয়লার-মাসেরোনি ধ্রুবক। কখন কী হবেk>0k>0k > 0?
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.