প্রশ্ন ট্যাগ «probability»

সম্ভাব্যতা কোনও নির্দিষ্ট ঘটনার সম্ভাব্য সংখ্যার পরিমাণগত বিবরণ সরবরাহ করে।


1
LARS বনাম লাসোর জন্য স্থায়ী বংশোদ্ভূত
L1- নিয়মিত লিনিয়ার রিগ্রেশন ফিটিংয়ের জন্য স্থানাঙ্ক বংশোদ্ভূত ব্যবহারের তুলনায় LARS [1] ব্যবহারের পক্ষে কি কি? আমি মূলত পারফরম্যান্সের দিকগুলিতে আগ্রহী (আমার সমস্যাগুলি Nকয়েক হাজার এবং p<20 এর মধ্যে থাকে) তবে তবে অন্য কোনও অন্তর্দৃষ্টিও প্রশংসা হবে। সম্পাদনা: যেহেতু আমি প্রশ্ন পোস্ট করেছি, চিএল ফ্রেডম্যান এট আল দ্বারা একটি কাগজ …

2
পরিসংখ্যান, অনুশীলন (সমাধান সহ) শেখার জন্য অনলাইন সংস্থানগুলি?
আমি বর্তমানে আমার বিশ্ববিদ্যালয়ে একটি শিক্ষণ সহায়ক হিসাবে কাজ করছি, একটি প্রারম্ভিক পরিসংখ্যান কোর্সে (মেডিকেল শিক্ষার্থীদের জন্য)। অফলাইন, শিক্ষককে সহায়তা করার জন্য অনেকগুলি বই রয়েছে available যাইহোক, আমি যা জানতে আগ্রহী তা হ'ল আপনি যদি আমাকে পরিসংখ্যানগুলিতে অনুশীলন (সমাধান সহ ) সরবরাহ করে এমন কোনও (ভাল) সংস্থানগুলিতে পরিচালিত করতে পারেন, …

1
বাইনারি শ্রেণিবদ্ধকরণ সেটিংয়ে নির্ভুলতা কি একটি ভুল স্কোরিং নিয়ম?
আমি সম্প্রতি সম্ভাব্য শ্রেণিবদ্ধদের জন্য সঠিক স্কোরিং নিয়ম সম্পর্কে শিখছি। এই ওয়েবসাইটটিতে বেশ কয়েকটি থ্রেড জোর দিয়েছিল যে নির্ভুলতা একটি অকার্যকর স্কোরিং নিয়ম এবং লজিস্টিক রিগ্রেশন যেমন একটি সম্ভাব্য মডেল দ্বারা উত্পাদিত ভবিষ্যদ্বাণীগুলির গুণমান মূল্যায়নের জন্য ব্যবহার করা উচিত নয়। তবে, আমি যে বেশ কয়েকটি শিক্ষামূলক পত্র পড়েছি সেগুলি বাইনারি …

1
হালমোস-সেভেজ উপপাদ্যের স্বজ্ঞাত বোঝা understanding
Halmos-স্যাভেজ উপপাদ্য বলছেন যে একটি অধ্যুষিত পরিসংখ্যানগত মডেল জন্য একটি পরিসংখ্যাত যথেষ্ট, যদি (এবং কেবলমাত্র) সমস্ত for সেখানে রডন নিকডিম ডেরিভেটিভ একটি মেসেবল সংস্করণ থাকে যেখানে হয় তৈরী পরিমাপ যেমন যে জন্য এবং ।(Ω,A,P)(Ω,A,P)(\Omega, \mathscr A, \mathscr P)T:(Ω,A,P)→(Ω′,A′)T:(Ω,A,P)→(Ω′,A′)T: (\Omega, \mathscr A, \mathscr P)\to(\Omega', \mathscr A'){P∈P}{P∈P}\{P \in \mathscr{P} \} TTTdPdP∗dPdP∗\frac{dP}{dP*}dP∗dP∗dP*P∗=∑∞i=1PiciP∗=∑i=1∞PiciP*=\sum_{i=1}^\infty P_i …

11
স্ট্যান্ডার্ড বিচ্যুতি কি সম্পূর্ণ ভুল? আপনি কীভাবে উচ্চতা, গণনা এবং ইত্যাদি (ধনাত্মক সংখ্যা) এর জন্য স্ট্যান্ড গণনা করতে পারেন?
ধরা যাক আমি উচ্চতা গণনা করছি (সেমি থেকে) এবং সংখ্যাগুলি অবশ্যই শূন্যের চেয়ে বেশি হতে হবে। এখানে নমুনা তালিকা: 0.77132064 0.02075195 0.63364823 0.74880388 0.49850701 0.22479665 0.19806286 0.76053071 0.16911084 0.08833981 Mean: 0.41138725956196015 Std: 0.2860541519582141 এই উদাহরণে, সাধারণ বিতরণ অনুযায়ী, মানগুলির 99.7% হতে হবে গড় থেকে মান বিচ্যুতি। 3 এর মধ্যে। যাইহোক, …

2
কোভারিয়েন্স ফাংশন বা কার্নেল - এগুলি ঠিক কী?
আমি গাউসীয় প্রক্রিয়াগুলির ক্ষেত্রে এবং সেগুলি কীভাবে মেশিন লার্নিংয়ে প্রয়োগ করা হচ্ছে সে ক্ষেত্রে আমি বরং নতুন। এই পদ্ধতির প্রধান আকর্ষণ হ'ল সমবায়িক কার্যগুলি সম্পর্কে পড়া এবং শুনছি keep সুতরাং যে কেউ এই জ্ঞানীয় কার্যগুলিতে কি ঘটছে একটি স্বজ্ঞাত উপায়ে ব্যাখ্যা করতে পারে? অন্যথায়, যদি আপনি তাদের নির্দিষ্ট করে একটি …

2
যৌথ স্বাভাবিকতা কি স্বাভাবিক র্যান্ডম ভেরিয়েবলের যোগফলকে স্বাভাবিক হওয়ার জন্য প্রয়োজনীয় শর্ত?
আমার সম্পর্কিত সম্পর্কিত প্রশ্নের উত্তরের মন্তব্যে , ব্যবহারকারীরা এসএসডেকট্রোল এবং গ্লেন_বি জিজ্ঞাসা করেছিলেন যে এবং যৌথ স্বাভাবিকতা যোগফলের স্বাভাবিকতা বোঝার জন্য প্রয়োজনীয় কিনা ? এই যৌথ স্বাভাবিকতা অবশ্যই যথেষ্ট , সুপরিচিত। এই পরিপূরক প্রশ্নটি সেখানে সম্বোধন করা হয়নি, এবং সম্ভবত এটি তার নিজের বিবেচনার জন্য উপযুক্ত।ওয়াই এক্স + ওয়াইXXXYYYX+YX+YX+Y যেহেতু …

1
চি-স্কোয়ার পরীক্ষা এবং চি-স্কোয়ার বিতরণ বোঝা
আমি চি-স্কোয়ার পরীক্ষার পিছনে যুক্তি বোঝার চেষ্টা করছি। চি-স্কোয়ারড পরীক্ষা । নাল অনুমানকে প্রত্যাখ্যান করার জন্য বা প্রত্যাখ্যান করার জন্য একটি p.value খুঁজে বের করার জন্য চি-স্কোয়ার ডিস্ট্রিবিউশনের সাথে তুলনা করা হয়। : পর্যবেক্ষণগুলি আমাদের প্রত্যাশিত মান তৈরি করতে ব্যবহৃত বিতরণ থেকে আসে। উদাহরণস্বরূপ, আমরা পরীক্ষা করতে পারতাম যদি প্রাপ্তির …

2
আপনি এন টসস বাইরে কে মাথা পর্যবেক্ষণ। মুদ্রা মেলা হয়?
আমাকে একটি সাক্ষাত্কারে সহ এই প্রশ্নটি করা হয়েছিল । একটি "সঠিক" উত্তর আছে?(n,k)=(400,220)(n,k)=(400,220)(n, k) = (400, 220) ধরুন টসসগুলি আইড হয় এবং মাথার সম্ভাবনা । 400 টসসে মাথার সংখ্যার বিতরণটি তখন সাধারণ (200, 10 ^ 2) এর কাছাকাছি হওয়া উচিত, যাতে 220 মাথাগুলি গড় থেকে 2 স্ট্যান্ডার্ড বিচ্যুতি হয়। এই …

3
সম্ভাব্যতা বিতরণ সম্পর্কে প্রাথমিকদের জন্য বইয়ের সুপারিশগুলি
আমি মেশিন লার্নিং অধ্যয়ন করছি এবং আমি খোলার প্রতিটি বই আমি চি-স্কোয়ার ডিস্ট্রিবিউশন, গামা-ফাংশন, টি-ডিস্ট্রিবিউশন, গাউসিয়ান ইত্যাদি পড়ি ump আমি এ পর্যন্ত খোলার প্রতিটি বই কেবল বিতরণগুলি কী তা সংজ্ঞায়িত করে: ফাংশনগুলির জন্য নির্দিষ্ট সূত্রগুলি কোথা থেকে এসেছে সে সম্পর্কে তারা ব্যাখ্যা বা স্বজ্ঞাততা দেয় না। উদাহরণস্বরূপ, চি-স্কোয়ার বিতরণটি কেন …

1
"একেবারে ধারাবাহিক এলোমেলো পরিবর্তনশীল" বনাম "কন্টিনিউস এলোমেলো ভেরিয়েবল"?
ভ্যালেন্টিন ভি পেট্রোভের "সীমিত তত্ত্বের প্রব্যাবিলিটি থিওরি" বইয়ে আমি বিতরণটির সংজ্ঞা "অবিচ্ছিন্ন" এবং "একেবারে অবিচ্ছিন্ন" হওয়ার মধ্যে একটি পার্থক্য দেখেছি, যা নীচে বর্ণিত হয়েছে: "... দৈব চলক বিতরণের এক্স একটানা হতে যদি বলা হয় পি ( এক্স ∈ বি ) = 0 কোন সসীম বা ধর্তব্য সেট বি বাস্তব লাইনের …

3
বার্ট্র্যান্ডের বক্স প্যারাডক্সের একটি মন্টি কার্লো সিমুলেশন কীভাবে প্রোগ্রাম করবেন?
নিম্নলিখিত সমস্যাটি মেনসা আন্তর্জাতিক ফেসবুক পৃষ্ঠায় পোস্ট করা হয়েছে: \quad\quad\quad\quad\quad\quad\quad\quad পোস্টটি নিজেই 1000+ টি মন্তব্য পেয়েছে তবে আমি সেখানে বিতর্ক সম্পর্কে বিশদে যাব না কারণ আমি জানি এটি বার্ট্র্যান্ডের বাক্স প্যারাডক্স এবং উত্তরটি হ'ল । আমাকে কী এখানে আগ্রহী করে তুলেছে তা হল একজন মন্টি কার্লো পদ্ধতির সাহায্যে এই সমস্যার …

2
showing দেখাচ্ছে উদাহরণ উদাহরণ
সম্ভাব্য বন্টনের একটি উদাহরণ কীভাবে তৈরি করবেন যার জন্য ধরে, ধরে ?ই( ঘএক্স) =1ই ( এক্স)E(1X)=1E(X)\mathbb{E}\left(\frac{1}{X}\right)=\frac{1}{\mathbb{E}(X)}পি ( এক্স≠ 0 ) = 1P(X≠0)=1\mathbb{P}(X\ne0)=1 ইতিবাচক-মূল্যবান আরভি এর জন্য জেনসেনের অসমতার পরে যে বৈষম্যটি আসে তা হ'ল ( হলে বিপরীত বৈষম্য )। কারণ ম্যাপিং জন্য উত্তল এবং জন্য অবতল । জেনসেনের অসমতার সাম্যতার …

2
কাগল প্রতিযোগিতাগুলি কি কেবল সুযোগেই জিতেছে?
কাগল প্রতিযোগিতা একটি আউট-আউট টেস্ট সেটের ভিত্তিতে চূড়ান্ত র‌্যাঙ্কিং নির্ধারণ করে। একটি আউট-আউট পরীক্ষা সেট একটি নমুনা; এটি জনগণের মডেল হওয়ার প্রতিনিধি নাও হতে পারে। যেহেতু প্রতিটি জমা দেওয়া অনুমানের মতো, সুতরাং যে প্রতিদ্বন্দ্বিতা জিতেছে সেই অ্যালগরিদম কেবলমাত্র, মোট সুযোগের সাথে, অন্যদের চেয়ে পরীক্ষার সেটটির সাথে মিলিয়ে শেষ হতে পারে। …

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.