প্রশ্ন ট্যাগ «pdf»

অবিচ্ছিন্ন র্যান্ডম ভেরিয়েবলের সম্ভাব্যতা ঘনত্ব ফাংশন (পিডিএফ) তার প্রতিটি সম্ভাব্য মানের জন্য আপেক্ষিক সম্ভাবনা দেয়। পৃথক সম্ভাব্য ভর ফাংশন (পিএমএফ) এর জন্যও এই ট্যাগটি ব্যবহার করুন।

1
স্প্লাইনস ব্যবহার করে ঘনত্বের ফাংশনের স্থানীয় চূড়ান্ত সন্ধান করা
আমি সম্ভাব্যতা ঘনত্ব ফাংশনের জন্য স্থানীয় ম্যাক্সিমাকে সন্ধান করার চেষ্টা করছি (আর এর densityপদ্ধতি ব্যবহার করে পাওয়া গেছে )। আমি একটি সরল "প্রতিবেশীদের আশেপাশের চেহারা" পদ্ধতিটি করতে পারি না (যেখানে এটি প্রতিবেশীর সাথে সম্মানের সাথে এটি স্থানীয় সর্বাধিক কিনা তা দেখতে পয়েন্টের আশেপাশে তাকানো হয়) কারণ এখানে প্রচুর পরিমাণে ডেটা …
15 r  pdf  splines  maximum 

2
ওল্ফ্রাম ম্যাথওয়ার্ল্ড একটি সম্ভাব্যতা ঘনত্ব ফাংশন সহ একটি পৃথক সম্ভাব্যতা বন্টন বর্ণনা ভুল করে?
সাধারণত বিচ্ছিন্ন ভেরিয়েবলগুলির উপর সম্ভাব্যতা বন্টন একটি সম্ভাব্য ভর ফাংশন (পিএমএফ) ব্যবহার করে বর্ণনা করা হয়: অবিচ্ছিন্ন এলোমেলো ভেরিয়েবলগুলির সাথে কাজ করার সময় আমরা সম্ভাব্যতা গণ ফাংশনের পরিবর্তে সম্ভাব্যতা ঘনত্ব ফাংশন (পিডিএফ) ব্যবহার করে সম্ভাব্যতা বিতরণগুলি বর্ণনা করি। - গুডফেলো, বেনজিও এবং করভিলের কাছ থেকে ডিপ লার্নিং যাইহোক, ওল্ফ্রাম ম্যাথওয়ার্ল্ড …

3
অভিজ্ঞতা অভিজ্ঞতা ঘনত্বের মধ্যে ওভারল্যাপ কীভাবে গণনা করবেন?
আমি দুটি নমুনার মধ্যে মিলের পরিমাপ হিসাবে আর-তে দুটি কার্নেল ঘনত্বের অনুমানের মধ্যে ওভারল্যাপের ক্ষেত্রটি গণনা করার জন্য একটি পদ্ধতি খুঁজছি। স্পষ্ট করার জন্য, নিম্নলিখিত উদাহরণে, আমাকে বেগুনি ওভারল্যাপিং অঞ্চলের ক্ষেত্রফলের পরিমাণটি নির্ধারণ করতে হবে: library(ggplot2) set.seed(1234) d <- data.frame(variable=c(rep("a", 50), rep("b", 30)), value=c(rnorm(50), runif(30, 0, 3))) ggplot(d, aes(value, fill=variable)) …

1
ডেরাইভেটিভগুলির কার্নেল ঘনত্বের প্রাক্কলনকারীগুলির জন্য কি কোনও সর্বোত্তম ব্যান্ডউইথ আছে?
কার্নেল ঘনত্ব অনুমানকারী ব্যবহার করে পর্যবেক্ষণের একটি সেটের ভিত্তিতে আমার ঘনত্ব ফাংশনটি অনুমান করা দরকার। একই পর্যবেক্ষণগুলির ভিত্তিতে, আমারও ঘনত্বের প্রথম এবং দ্বিতীয় ডেরাইভেটিভগুলি কার্নেল ঘনত্ব অনুমানকারকের ডেরিভেটিভগুলি ব্যবহার করে অনুমান করতে হবে। ব্যান্ডউইথ অবশ্যই চূড়ান্ত ফলাফল দুর্দান্ত প্রভাব ফেলবে। প্রথমত, আমি জানি যে বেশ কয়েকটি আর ফাংশন রয়েছে যা …

3
একই স্কেলে দুটি হিস্টোগ্রাম রাখার সেরা উপায়?
ধরা যাক আমার দুটি ডিস্ট্রিবিউশন রয়েছে যা আমি বিশদ সাথে তুলনা করতে চাই, অর্থাত এমনভাবে যা আকার, স্কেল এবং শিফটকে সহজেই দৃশ্যমান করে তোলে। এটি করার একটি ভাল উপায় হ'ল প্রতিটি বিতরণের জন্য একটি হিস্টোগ্রাম প্লট করা, সেগুলিকে একই এক্স স্কেলে রাখা এবং অন্যটির নীচে একটি স্ট্যাক করা। এটি করার …

3
সম্ভাব্যতা ঘনত্ব ফাংশনের মোডটি কীভাবে খুঁজে পাবেন?
আমার অন্যান্য প্রশ্নের দ্বারা অনুপ্রাণিত হয়ে আমি জিজ্ঞাসা করতে চাই যে একটি ফাংশন এর সম্ভাব্যতা ঘনত্ব ফাংশনের (পিডিএফ) মোড কীভাবে খুঁজে পায় ?চ( এক্স )f(x)f(x) এর জন্য কি কোনও "কুক-বুক" পদ্ধতি আছে? স্পষ্টতই, এই কাজটি প্রথমে যতটুকু মনে হয় তার চেয়ে অনেক বেশি কঠিন।

3
ঘনত্ব অনুমান কোথায় দরকারী?
কিছুটা ক্ষুদ্র গণিতের মধ্য দিয়ে যাওয়ার পরে, আমি মনে করি আমার কাছে কার্নেল ঘনত্বের অনুমানের একটি সামান্য স্বীকৃতি আছে। তবে আমি আরও সচেতন যে তিনটিরও বেশি ভেরিয়েবলের জন্য বহুগুণ ঘনত্বের অনুমান করা ভাল ধারণা হতে পারে না, এর অনুমানকারীদের পরিসংখ্যানগত বৈশিষ্ট্যের ক্ষেত্রে of সুতরাং, কোন ধরণের পরিস্থিতিতে আমার অনুমান করতে …

1
কেন পৃথক নমুনার সম্ভাবনা 0 থাকলে এমএলই বুদ্ধি করে?
কিছু পুরানো পরিসংখ্যান পর্যালোচনা করার সময় আমার কাছে এটি ছিল একটি বিচিত্র চিন্তাভাবনা এবং কোনও কারণে আমি উত্তরটি মনে করতে পারি না বলে মনে হয়। একটি অবিচ্ছিন্ন পিডিএফ আমাদের প্রদত্ত যে কোনও রেঞ্জের মানগুলি পর্যবেক্ষণের ঘনত্বকে বলে। উদাহরণস্বরূপ, যদি , উদাহরণস্বরূপ, তবে সম্ভবত একটি উপলব্ধি এবং মধ্যে পড়ে simply যেখানে …

3
কোথা থেকে বিটা বিতরণ?
আমি নিশ্চিত যে এখানের প্রত্যেকে ইতিমধ্যে জানে, বিটা বিতরণের এর পিডিএফ X∼B(a,b)X∼B(a,b)X \sim B(a,b)দেওয়া হয়েছে f(x)=1B(a,b)xa−1(1−x)b−1f(x)=1B(a,b)xa−1(1−x)b−1f(x) = \frac{1}{B(a,b)}x^{a-1}(1-x)^{b-1} আমি এই সূত্রের উত্সের ব্যাখ্যার জন্য পুরো জায়গা জুড়ে শিকার করেছি, তবে এটি খুঁজে পাচ্ছি না। আমি বিটা বিতরণে পাওয়া প্রতিটি নিবন্ধে এই সূত্রটি মনে হচ্ছে, এর কয়েকটি আকারের চিত্র তুলে ধরেছে, …

3
দুটি স্বতন্ত্র গামা র্যান্ডম ভেরিয়েবলের যোগফল
গামা বিতরণ সম্পর্কিত উইকিপিডিয়া নিবন্ধ অনুসারে : যদি এবং , যেখানে এবং স্বতন্ত্র এলোমেলো ভেরিয়েবল, তবে ।Y ∼ G a m m a ( b , θ ) X Y X + Y ∼ G a m m a ( a + b , θ )X∼Gamma(a,θ)X∼Gamma(a,θ)X\sim\mathrm{Gamma}(a,\theta)Y∼Gamma(b,θ)Y∼Gamma(b,θ)Y\sim\mathrm{Gamma}(b,\theta)XXXYYYX+Y∼Gamma(a+b,θ)X+Y∼Gamma(a+b,θ)X+Y\sim \mathrm{Gamma}(a+b, \theta) তবে আমি …

1
ডেরিভিং নেজেনট্রপি। আটকে গেছি
সুতরাং, এই প্রশ্নটি কিছুটা জড়িত তবে আমি যথাসম্ভব এটিকে যথাসম্ভব সোজা-এগিয়ে করার চেষ্টা করেছি। লক্ষ্য: দীর্ঘ গল্পের সংক্ষিপ্ত বিবরণ, নেজেনট্রপির একটি উত্স রয়েছে যা উচ্চতর অর্ডার কুল্যান্টগুলিকে জড়িত করে না এবং আমি কীভাবে এটি প্রাপ্ত হয়েছিল তা বোঝার চেষ্টা করছি। পটভূমি: (আমি এই সমস্ত বুঝি) আমি এখানে পাওয়া 'ইন্ডিপেন্ডেন্ট কম্পোনেন্ট …

3
স্কিউনেস এবং কুর্তোসিস সহ বিতরণ ফাংশনের জন্য বন্ধ ফর্ম সূত্র?
এমন সূত্র আছে কি? উপাত্ত, ভেরিয়েন্স, স্কিউনেস এবং কুর্তোসিস পরিচিত, বা পরিমাপ করা যেতে পারে এমন একটি সংকলনের এমন একটি সূত্র দেওয়া আছে যা পূর্বোক্ত উপাত্তগুলি থেকে আসা মানটির সম্ভাব্যতা ঘনত্ব গণনা করতে ব্যবহার করা যেতে পারে?

5
বিভাজনযুক্ত সাধারণ বিতরণ করা ডেটা থেকে উপবৃত্ত অঞ্চলটি কীভাবে পাবেন?
আমার কাছে এমন ডেটা রয়েছে যা দেখে মনে হচ্ছে: আমি স্বাভাবিক বিতরণ প্রয়োগ করার চেষ্টা করেছি (কার্নেলের ঘনত্বের প্রাক্কলনটি আরও ভাল কাজ করে তবে আমার এ জাতীয় দুর্দান্ত নির্ভুলতার প্রয়োজন নেই) এবং এটি বেশ ভালভাবে কাজ করে। ঘনত্বের প্লট একটি উপবৃত্ত তৈরি করে। উপবৃত্তের অঞ্চলের মধ্যে কোনও বিন্দু রয়েছে কি …
13 r  regression  pdf  bivariate 

1
একটি আদর্শ সাধারণ র্যান্ডম ভেরিয়েবলের বর্গের পিডিএফ [বন্ধ]
বন্ধ থাকে। এই প্রশ্নটি অফ-টপিক । এটি বর্তমানে উত্তর গ্রহণ করছে না। এই প্রশ্নটি উন্নত করতে চান? প্রশ্নটি আপডেট করুন যাতে এটি ক্রস ভ্যালিডেটের জন্য অন-বিষয় । 4 বছর আগে বন্ধ ছিল । আমার এই সমস্যাটি রয়েছে যেখানে আমার অবশ্যই পিডিএফ খুঁজে পেতে হবে । আমি শুধু জানি যে এর …

1
ঘনত্বের প্লটের উচ্চতা কীভাবে ব্যাখ্যা করবেন
ঘনত্বের প্লটগুলির উচ্চতাটি কীভাবে ব্যাখ্যা করব: উপরের প্লটের উদাহরণস্বরূপ, শিখরটি x = 18 এ প্রায় 0.07 এ রয়েছে। আমি কি অনুমান করতে পারি যে প্রায় 7% মান 18 এর কাছাকাছি? আমি কি এর চেয়ে বেশি নির্দিষ্ট হতে পারি? 0.02 এর উচ্চতা সহ x = 30 এ দ্বিতীয় শিখরও রয়েছে। এর …

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.