প্রশ্ন ট্যাগ «probability»

সম্ভাব্যতা কোনও নির্দিষ্ট ঘটনার সম্ভাব্য সংখ্যার পরিমাণগত বিবরণ সরবরাহ করে।

4
পারমাণবিক দুর্ঘটনার সম্ভাবনাগুলির সংমিশ্রণ
জাপানের সাম্প্রতিক ঘটনাগুলি আমাকে নিম্নলিখিতগুলি সম্পর্কে ভাবতে বাধ্য করেছে। পারমাণবিক উদ্ভিদগুলি সাধারণত গুরুতর দুর্ঘটনার ঝুঁকি সীমাবদ্ধ করার জন্য ডিজাইন করা হয় 'ডিজাইন ভিত্তিক সম্ভাবনা' উদাহরণস্বরূপ, বলুন, 10E-6 / বছর। এটি একটি একক উদ্ভিদের মানদণ্ড। যাইহোক, যখন শত শত চুল্লিগুলির জনসংখ্যা থাকে, আমরা কীভাবে গুরুতর দুর্ঘটনার পৃথক সম্ভাবনাগুলি একত্রিত করব? আমি …

3
আপনি কীভাবে বলবেন যে ভাল পারফরম্যান্স লাইনে আসে?
আমি শখ হিসাবে রুবিকের কিউবগুলি সমাধান করি। কিছু সফ্টওয়্যার ব্যবহার করে কিউব সমাধান করতে আমার যে সময় লেগেছে তা আমি রেকর্ড করেছি এবং এখন আমার কাছে কয়েক হাজার দ্রাবকের ডেটা রয়েছে। ডেটা মূলত প্রতিটি ক্রমিক সমাধানের সময়টি উপস্থাপন করে এমন সংখ্যার দীর্ঘ তালিকা (যেমন 22.11, 20.66, 21.00, 18.74, ...) ঘনকটি …

4
আর-তে একটি শূন্য-স্ফীত প্যারামিটারের ঘনত্বটি কীভাবে অনুমান করতে পারি?
আমার কাছে প্রচুর শূন্যের সাথে এমন একটি ডেটা সেট রয়েছে যা দেখতে দেখতে এটি: set.seed(1) x <- c(rlnorm(100),rep(0,50)) hist(x,probability=TRUE,breaks = 25) আমি এর ঘনত্বের জন্য একটি লাইন আঁকতে চাই, তবে density()ফাংশনটি একটি চলমান উইন্ডো ব্যবহার করে যা এক্স এর নেতিবাচক মানগুলি গণনা করে। lines(density(x), col = 'grey') একটি density(... from, …
10 r  probability  kde 

1
গাউসিয়া প্রক্রিয়া / ডেরিচলেট প্রক্রিয়া জাতীয় স্টোকাস্টিক প্রক্রিয়াগুলির কি ঘনত্ব রয়েছে? যদি তা না হয় তবে বেয়েসের বিধি তাদের প্রয়োগ করা যাবে কীভাবে?
ডিরিচলেট পোসেস এবং গাউসিয়ান প্রক্রিয়া প্রায়শই "বিতরণ ওভার বিতরণ" বা "বিতরণ ওভার বিতরণ" হিসাবে পরিচিত। সেক্ষেত্রে, আমি কি জিপি এর অধীনে কোনও ফাংশনের ঘনত্ব সম্পর্কে অর্থপূর্ণভাবে কথা বলতে পারি? অর্থাত, গাউসিয়া প্রক্রিয়া বা ডিরিচলেট প্রক্রিয়াটির কোনও সম্ভাবনা ঘনত্বের কিছু ধারণা আছে? যদি এটি না হয়, তবে কোনও কাজটির পূর্ব সম্ভাবনার …

3
বড় ডেটাসেটের জন্য গাউসিয়ান প্রক্রিয়া রিগ্রেশন
আমি অনলাইন ভিডিও এবং লেকচার নোটগুলি থেকে গাউসীয় প্রক্রিয়া সংক্ষিপ্তকরণ সম্পর্কে শিখছি, এটি সম্পর্কে আমার ধারণাটি হ'ল আমরা যদি পয়েন্ট সহ একটি ডেটাসেট রাখি তবে আমরা ধরে নিই যে ডাইমেনশনাল মাল্টিভারিয়েট গাউসিয়ান থেকে ডেটা নমুনা করা হয়েছে । সুতরাং আমার প্রশ্নটি সেই ক্ষেত্রে যেখানে 10 মিলিয়ন এর মধ্যে 10 কি …

3
যদি সসীম হয়, ?
অবিচ্ছিন্ন র্যান্ডম ভেরিয়েবল XXX , E(|X|)E(|X|)E(|X|) সীমাবদ্ধ হলে, limn→∞nP(|X|&gt;n)=0limn→∞nP(|X|&gt;n)=0\lim_{n\to\infty}n P(|X|>n)=0 ? এটি ইন্টারনেটে আমি খুঁজে পেয়েছি এমন একটি সমস্যা, তবে আমি এটি নিশ্চিত করছি না এটি ধারণ করে কিনা। আমি জানি যে nP(|X|&gt;n)&lt;E(|X|)nP(|X|&gt;n)&lt;E(|X|)n P(|X|>n)<E(|X|) মার্কভ বৈষম্য দ্বারা ঝুলিতে, কিন্তু আমি প্রদর্শন করতে পারবে না এটি 0 যায় nnn অনন্ত চলে …

2
সম্ভাবনার ঘনঘনবাদী সংজ্ঞা; একটি আনুষ্ঠানিক সংজ্ঞা আছে?
ঘনত্ববিদরা '' সম্ভাবনা '' এর অধীনে কী বোঝেন তার কোনও আনুষ্ঠানিক (গাণিতিক) সংজ্ঞা আছে? আমি পড়েছি এটি দীর্ঘমেয়াদে '' ঘটনার আপেক্ষিক ফ্রিকোয়েন্সি '' তবে এটি সংজ্ঞায়নের কোনও আনুষ্ঠানিক উপায় আছে কি? এমন কোনও উল্লেখ আছে যেখানে আমি সেই সংজ্ঞাটি পেতে পারি? সম্পাদনা করুন: ঘন ঘন বিশেষজ্ঞের সাথে (@ ভোবারের মন্তব্য …

3
দ্বারা ভাগ করা একটি সাধারণ
দিন জেড। এন( 0 , 1 )জেড~এন(0,1)Z \sim N(0,1) এবং ওয়াট~χ2( গুলি )ওয়াট~χ2(গুলি)W \sim \chi^2(s)। যদি জেডজেডZ এবং ওয়াটওয়াটW স্বাধীনভাবে বিতরণ করা হয় তারপর পরিবর্তনশীল ওয়াই=জেডওয়াট/ এস√ওয়াই=জেডওয়াট/গুলিY = \frac{Z}{\sqrt{W/s}} অনুসরণ a টিটিt স্বাধীনতার ডিগ্রি সহ বিতরণ গুলিগুলিs। আমি এই সত্যের একটি প্রমাণ খুঁজছি, আপনি সম্পূর্ণ যুক্তিটি লিখতে না চাইলে একটি …

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
এর জন্য সর্বনিম্ন বৈকল্পিক সহ নিরপেক্ষ अनुमानক
দিনX1,...,XnX1,...,Xn X_1, ...,X_n বিতরণ একটি এলোমেলো নমুনা ফেম হতে Geometric(θ)Geometric(θ)Geometric(\theta) জন্য 0&lt;θ&lt;10&lt;θ&lt;10<\theta<1। অর্থাত, pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) এর জন্য সর্বনিম্ন বৈকল্পিক সহ নিরপেক্ষ আনুষঙ্গিক খুঁজুন g(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} আমার প্রচেষ্টা: যেহেতু জ্যামিতিক বিতরণটি তাত্পর্যপূর্ণ পরিবার থেকে, পরিসংখ্যান ∑Xi∑Xi\sum X_i সম্পূর্ণ এবং জন্য যথেষ্ট θθ \theta। এছাড়াও, যদিT(X)=X1T(X)=X1T(X)=X_1 জন্য একটি অনুমানকারী g(θ)g(θ)g(\theta)এটা নিরপেক্ষ। সুতরাং, রাও-ব্ল্যাকওয়েল …

1
এলোমেলো ভেরিয়েবলের ফাংশনগুলির সম্ভাব্যতা বন্টন?
আমার একটি সন্দেহ আছে: সম্ভাব্যতার জায়গাতে সংজ্ঞায়িত সত্যিকারের মূল্যবান র্যান্ডম ভেরিয়েবলগুলি এবং উভয় বিবেচনা করুন ।XXXZZZ(Ω,F,P)(Ω,F,P)(\Omega, \mathcal{F},\mathbb{P}) যাক , যেখানে একটি আসল-মূল্যবান ফাংশন। যেহেতু র্যান্ডম ভেরিয়েবলের একটি ক্রিয়াকলাপ এটি এলোমেলো পরিবর্তনশীল।Y:=g(X,Z)Y:=g(X,Z)Y:= g(X,Z)g(⋅)g(⋅)g(\cdot)YYY যাক অর্থাৎ উপলব্ধি ।x:=X(ω)x:=X(ω)x:=X(\omega)XXX Is থেকে সমান ?P(Y|X=x)=P(g(X,Z)|X=x)P(Y|X=x)=P(g(X,Z)|X=x)\mathbb{P}(Y|X=x)=\mathbb{P}(g(X,Z)|X=x)P(g(x,Z))P(g(x,Z))\mathbb{P}(g(x,Z))

3
একই জনসংখ্যার একাধিক নমুনা থেকে ছেদ হওয়ার সম্ভাবনা
এখানে একটি উদাহরণ কেস: আমার 10,000 জন আইটেম রয়েছে। প্রতিটি আইটেম একটি অনন্য আইডি আছে। আমি এলোমেলোভাবে 100 টি আইটেম বাছাই করে আইডিগুলি রেকর্ড করি আমি 100 টি আইটেম আবার জনসংখ্যার মধ্যে রেখেছি আমি এলোমেলোভাবে আবার 100 আইটেম বাছাই করি, আইডিগুলি রেকর্ড করে প্রতিস্থাপন করব। মোট, আমি 5 বার এই …

1
প্রতিস্থাপনের সাথে অঙ্কন করার সময় প্রত্যাশিত সংখ্যার নকল (ট্রিপলিকেট ইত্যাদি) etc
আমি নিম্নলিখিত সমস্যা আছে: আমার 100 টি অনন্য আইটেম রয়েছে (এন), এবং আমি সেগুলির মধ্যে একবারে (প্রতিস্থাপন সহ) 43 টি (মি) নির্বাচন করছি। আমার প্রত্যাশিত সংখ্যার জন্য সমস্যাগুলি সমাধান করতে হবে (কেবল একবার নির্বাচিত, কে = 1), ডাবলস (ঠিক একবার কে = 2 নির্বাচিত), ট্রিপলস (ঠিক কে = 3), কোয়াডস …

4
পৃথক সময়ের ইভেন্ট ইতিহাস (বেঁচে থাকা) মডেল আর
আমি আর-তে একটি পৃথক-সময়ের মডেল ফিট করার চেষ্টা করছি তবে কীভাবে এটি করব তা নিশ্চিত নই। আমি পড়েছি যে আপনি বিভিন্ন সারিতে নির্ভরশীল পরিবর্তনশীল, প্রতিটি সময়-পর্যবেক্ষণের জন্য glmএকটি এবং লজিট বা ক্লোগলগ লিঙ্কের সাহায্যে ফাংশনটি ব্যবহার করতে পারেন । এই অর্থে, আমি তিনটি কলাম আছে: ID, Event(1 বা 0, প্রতিটি …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

1
নমুনা অটোোকোরিয়েন্স ফাংশন সম্পর্কে প্রশ্ন
আমি একটি টাইম সিরিজ বিশ্লেষণ বইটি পড়ছি এবং নমুনা স্বতঃবর্তনের জন্য সূত্রটি বইটিতে সংজ্ঞায়িত করা হয়েছে: γˆ( এইচ ) =এন- 1Σt = 1n - h(এক্সt + h-এক্স¯) (এক্সটি-এক্স¯)γ^(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)\widehat{\gamma}(h) = n^{-1}\displaystyle\sum_{t=1}^{n-h}(x_{t+h}-\bar{x})(x_t-\bar{x}) সাথেজন্য । গড়।γˆ( - এইচ ) =γˆ( জ )γ^(−h)=γ^(h)\widehat{\gamma}(-h) = \widehat{\gamma}(h)\;জ = 0 , 1 , । । । , …

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.