প্রশ্ন ট্যাগ «sampling»

সম্ভাব্য পদ্ধতি ব্যবহার করে একটি সুনির্দিষ্ট জনসংখ্যা থেকে নমুনা তৈরি করা এবং / অথবা নির্দিষ্ট বিতরণ থেকে এলোমেলো সংখ্যা তৈরি করা। যেহেতু এই ট্যাগটি অস্পষ্ট, তাই দয়া করে প্রাক্তন এবং [মন্টে-কার্লো] বা পরেগুলির জন্য [সিমুলেশন] বিবেচনা করুন [জরিপ-নমুনা] consider পরিচিত বিতরণগুলি থেকে এলোমেলো নমুনা তৈরি সম্পর্কিত প্রশ্নের জন্য, দয়া করে [র্যান্ডম-প্রজন্ম] ট্যাগটি ব্যবহার করার বিষয়টি বিবেচনা করুন।

2
ছোট নমুনা-আকারের ডেটার জন্য প্রশিক্ষণ, ক্রস-বৈধকরণ এবং পরীক্ষার সেট আকারগুলি কীভাবে চয়ন করবেন?
ধরুন আমার কাছে একটি ছোট নমুনার আকার রয়েছে, যেমন এন = 100 এবং দুটি শ্রেণি। আমার কীভাবে প্রশিক্ষণ, ক্রস-বৈধকরণ এবং মেশিন লার্নিংয়ের জন্য পরীক্ষার সেট আকার নির্বাচন করতে হবে? আমি স্বজ্ঞাতভাবে বাছাই করা হবে প্রশিক্ষণের সেট আকার 50 হিসাবে ক্রস বৈধতা সেট আকার 25, এবং 25 হিসাবে পরীক্ষার আকার। তবে …
3
আমেরিকান কমিউনিটি জরিপ বৈচিত্র্যের ডেটাগুলিকে পুনরায় ওজন কীভাবে ত্রুটির প্রান্তিকতায় প্রভাবিত করবে?
পটভূমি: বর্তমানে আমার সংস্থাটি তার কর্মশক্তি বৈচিত্র্যের পরিসংখ্যান (উদাহরণস্বরূপ% প্রতিবন্ধী ব্যক্তি,% মহিলা,% অভিজ্ঞ) আমেরিকান কমিউনিটি জরিপ (মার্কিন আদমশুমারি ব্যুরোর একটি জরিপ প্রকল্প) এর ভিত্তিতে groups গোষ্ঠীগুলির জন্য মোট শ্রমশক্তি প্রাপ্যতার সাথে তুলনা করে। এটি একটি ত্রুটিযুক্ত বেঞ্চমার্ক, কারণ আমাদের কাছে একটি খুব নির্দিষ্ট চাকরির সেট রয়েছে যা সামগ্রিক শ্রমশক্তির চেয়ে …
1
গাউসিয়ান উচ্চতর অর্ডার মুহুর্তগুলির সাথে বিতরণ পছন্দ করে
অজানা গড় এবং বৈসাদৃশ্য সহ গাউসীয় বিতরণের জন্য, স্ট্যান্ডার্ড এক্সফোনেনশিয়াল পারিবারিক ফর্মের পর্যাপ্ত পরিসংখ্যান হ'ল । আমার কাছে এমন বিতরণ রয়েছে যার , যেখানে এন একটি ডিজাইনের প্যারামিটারের মতো। এই জাতীয় পর্যাপ্ত পরিসংখ্যান ভেক্টরের জন্য কি একই রকম পরিচিত বিতরণ রয়েছে? আমার এই বিতরণ থেকে নমুনা প্রয়োজন তাই বিতরণ থেকে …
1
কেন আনোভা () এবং ড্রপ 1 () জিএলএমএমগুলির জন্য আলাদা উত্তর সরবরাহ করে?
আমার ফর্মটির একটি জিএলএমএম রয়েছে: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) আমি যখন ব্যবহার করি drop1(model, test="Chi"), তখন আমি Anova(model, type="III")গাড়ি প্যাকেজটি ব্যবহার করি বা না থেকে তার চেয়ে আলাদা ফলাফল পাই summary(model)। এই দ্বিতীয় দুটি একই উত্তর দেয়। একগুচ্ছ মনগড়া তথ্য …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
3
উচ্চ-মাত্রিক ফাংশনের প্রত্যাশিত মানটি মূল্যায়ন করতে MCMC ব্যবহার করা
আমি একটি গবেষণা প্রকল্পে কাজ করছি যা অপ্টিমাইজেশনের সাথে সম্পর্কিত এবং সম্প্রতি এই সেটিংয়ে এমসিসিএম ব্যবহার করার ধারণা ছিল। দুর্ভাগ্যক্রমে, আমি MCMC পদ্ধতিতে মোটামুটি নতুন তাই আমার বেশ কয়েকটি প্রশ্ন ছিল। আমি সমস্যার বর্ণনা দিয়ে এবং তারপর আমার প্রশ্ন জিজ্ঞাসা করে শুরু করব। আমাদের সমস্যা খরচ ফাংশনের প্রত্যাশিত মান আনুমানিক …
2
অ-নেতিবাচক পূর্ণসংখ্যার উপর পৃথক বিতরণ থেকে নমুনা কিভাবে?
আমি নিম্নলিখিত বিচ্ছিন্ন বিতরণ আছে, যেখানে α,βα,β\alpha,\beta পরিচিত ধ্রুবক: পি (x;α,β)=বিটা ( α+1,β+ +x)বিটা(α,β)জন্য এক্স = 0 , 1 , 2,…p(x;α,β)=বিটা(α+ +1,β+ +এক্স)বিটা(α,β)জন্য এক্স=0,1,2,... p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)} \;\;\;\;\text{for } x = 0,1,2,\dots এই বিতরণ থেকে দক্ষতার সাথে নমুনার জন্য কিছু পন্থা কী কী?
3
অ-র্যান্ডম নমুনার এলোমেলোকরণ
পরীক্ষামূলক গবেষণায় অংশ নেওয়ার জন্য মনস্তাত্ত্বিক বিজ্ঞাপনগুলি দেখে আমি সর্বদা কিছুটা অবাক হই। নিশ্চিতভাবেই, এই বিজ্ঞাপনগুলির প্রতিক্রিয়াযুক্ত ব্যক্তিরা এলোমেলোভাবে নমুনাযুক্ত নয় এবং তাই স্ব-নির্বাচিত জনগোষ্ঠী। কারণ এটি কি জানা যায় যে এলোমেলোকরণ স্বয়ং-নির্বাচনের সমস্যাটি সমাধান করে, আমি ভাবছিলাম যে নন-র্যান্ডম নমুনার এলোমেলোভাবে আসলে কিছু পরিবর্তন হয়েছে কিনা changed আপনি কি …
2
মারকভ চেইন ভিত্তিক স্যাম্পলিং মন্টি কার্লো নমুনার জন্য "সেরা"? বিকল্প স্কিম আছে কি?
মার্কভ চেইন মন্টি কার্লো মার্কভ চেইনের উপর ভিত্তি করে একটি পদ্ধতি যা আমাদেরকে এমন একটি মানক বিতরণ থেকে নমুনা (মন্টে কার্লো সেটিংয়ে) পেতে দেয় যা থেকে আমরা সরাসরি নমুনা আঁকতে পারি না। আমার প্রশ্ন মন্টি কার্লো স্যাম্পলিংয়ের জন্য কেন মার্কভ চেইনটি "অত্যাধুনিক"। বিকল্প প্রশ্ন হতে পারে, মার্কোভ চেইনের মতো অন্য …
1
ফোন বই থেকে স্যাম্পলিং সম্পর্কে একটি গল্পের উল্লেখ
আমি আজ কারও সাথে নমুনা নিয়ে কথা বলছিলাম এবং অস্পষ্টভাবে কিছু খুব সম্মানিত পরিসংখ্যানবিদ একটি গল্পের কথা স্মরণ করি যা নির্দিষ্ট আইনী ক্ষেত্রে ফোন বই থেকে নিয়মিত নমুনা দেওয়ার পরামর্শ দেয়। আমার মনে আছে গল্পটি আদালতে বিচারকের মতো এমন কিছু যাচ্ছিল যা তাকে বলেছিল "আমি পরিসংখ্যান সম্পর্কে তেমন কিছুই জানি …
4
সমান্তরালভাবে প্রতিরোধকের বিভিন্নতা
ধরুন আপনার কাছে প্রতিরোধের আর একটি সেট রয়েছে, সেগুলি সমস্তই গড় μ এবং বৈকল্পিক with দিয়ে বিতরণ করা হয়েছে σ নিম্নলিখিত লেআউট সহ একটি সার্কিটের একটি বিভাগ বিবেচনা করুন: (আর) || (আর + আর) || (R + R + R)। প্রতিটি অংশের সমতুল্য প্রতিরোধের হ'ল r, 2r এবং 3r। প্রতিটি …
1
আর লিনিয়ার রিগ্রেশন শ্রেণিবদ্ধ পরিবর্তনশীল "লুকানো" মান
এটি কেবলমাত্র একটি উদাহরণ যা আমি বেশ কয়েকবার এসেছি, সুতরাং আমার কোনও নমুনা ডেটা নেই। আরে লিনিয়ার রিগ্রেশন মডেল চালাচ্ছেন: a.lm = lm(Y ~ x1 + x2) x1একটি অবিচ্ছিন্ন পরিবর্তনশীল। x2শ্রেণীবদ্ধ এবং এর তিনটি মান রয়েছে যেমন "নিম্ন", "মাঝারি" এবং "উচ্চ"। তবে আর দ্বারা প্রদত্ত আউটপুটটি এরকম কিছু হবে: summary(a.lm) …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
2
একটি বৃহত সামগ্রিক ডেটাসেট থেকে কীভাবে প্রতিনিধি নমুনা সেট করবেন?
একটি নমুনা সেট তৈরি করার পরিসংখ্যান কৌশলগুলি কী, যা সমগ্র জনগোষ্ঠীর প্রতিনিধি (একটি পরিচিত আত্মবিশ্বাসের স্তর সহ)? এছাড়াও, কীভাবে যাচাই করবেন, যদি নমুনা সামগ্রিক ডেটাসেটের সাথে ফিট করে? পুরো ডেটাসেট (যা কোটি কোটি রেকর্ড হতে পারে) পার্সিং না করেই কি এটি সম্ভব?
1
কোন গভীর শিক্ষণ মডেল এমন বিভাগগুলিকে শ্রেণিবদ্ধ করতে পারে যা পারস্পরিক একচেটিয়া নয়
উদাহরণ: আমার কাজের বাক্যে একটি বাক্য রয়েছে: "যুক্তরাজ্যের জাভা সিনিয়র ইঞ্জিনিয়ার"। আমি এটি 2 বিভাগ: English এবং হিসাবে পূর্বাভাস দেওয়ার জন্য একটি গভীর শিক্ষার মডেল ব্যবহার করতে চাই IT jobs। যদি আমি traditionalতিহ্যগত শ্রেণিবদ্ধকরণ মডেল ব্যবহার করি তবে এটি কেবল softmaxসর্বশেষ স্তরে ফাংশন সহ 1 টি লেবেল পূর্বাভাস দিতে পারে …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
সম্ভাবনা যে বুটস্ট্র্যাপ নমুনা হুবহু মূল নমুনার মতো
শুধু কিছু যুক্তি পরীক্ষা করতে চান। আমার মূল নমুনা আকার হয় তাহলে এবং আমি তা বুটস্ট্র্যাপ, তারপর আমার চিন্তার প্রক্রিয়া নিম্নরূপ:nnn 1n1n\frac{1}{n} হ'ল আসল নমুনা থেকে নেওয়া কোনও পর্যবেক্ষণের সুযোগ। পরবর্তী অঙ্কনটি পূর্বের নমুনাযুক্ত পর্যবেক্ষণ নয় তা নিশ্চিত করার জন্য, আমরা নমুনা আকারটিকে তে সীমাবদ্ধ করি । সুতরাং, আমরা এই …
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.