প্রশ্ন ট্যাগ «self-study»

একটি পাঠ্যপুস্তক, কোর্স, বা শ্রেণি বা স্ব-অধ্যয়নের জন্য ব্যবহৃত পরীক্ষার একটি রুটিন অনুশীলন। এই সম্প্রদায়ের নীতি সম্পূর্ণ উত্তরের পরিবর্তে এই জাতীয় প্রশ্নের জন্য "সহায়ক ইঙ্গিতগুলি সরবরাহ করা"।

1
নাল অনুমানের অধীনে বিনিময়যোগ্য নমুনার পিছনে অন্তর্দৃষ্টি কী?
পারমুয়েশন টেস্ট (যাকে এলোমেলোকরণ পরীক্ষা, পুনরায় র্যান্ডমাইজেশন পরীক্ষা বা একটি সঠিক পরীক্ষাও বলা হয়) খুব কার্যকর হয় এবং কার্যকর হয় যখন উদাহরণস্বরূপ প্রয়োজনীয় বন্টনের অনুমানটি t-testপূরণ হয় না এবং যখন র‌্যাঙ্কিংয়ের মাধ্যমে মানগুলির রূপান্তর হয় নন-প্যারাম্যাট্রিক পরীক্ষার Mann-Whitney-U-testফলে আরও তথ্য নষ্ট হতে পারে। যাইহোক, এই ধরণের পরীক্ষাটি নাল হাইপোথিসিসের অধীনে …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

3
যদি
প্রশ্ন যদি X1,⋯,Xn∼N(μ,1)X1,⋯,Xn∼N(μ,1)X_1,\cdots,X_n \sim \mathcal{N}(\mu, 1) আইআইডি হয় তবে E(X1∣T)E(X1∣T)\mathbb{E}\left( X_1 \mid T \right) গণনা করুন যেখানে T=∑iXiT=∑iXiT = \sum_i X_i । চেষ্টা : দয়া করে নীচেরটি সঠিক কিনা তা পরীক্ষা করে দেখুন। ধরা যাক, আমরা সেইসব শর্তসাপেক্ষ প্রত্যাশা যেমন যে, এর সমষ্টি নিতে ∑iE(Xi∣T)=E(∑iXi∣T)=T.∑iE(Xi∣T)=E(∑iXi∣T)=T.\begin{align} \sum_i \mathbb{E}\left( X_i \mid T …

8
অ্যাবসিসিসিডিডিএফ থেকে কতগুলি 2-বর্ণের শব্দ পাওয়া যাবে
(এএ অনেকের মধ্যে একটি হবে, বিবি হবে না) আমি ভেবেছিলাম এটি 10! / 8 হবে! তবে স্পষ্টতই আমি কিছু ভুল করছি। কেউ আমাকে সাহায্য করতে পারে কারণ আমি স্টাম্পড হয়েছি।

2
দুটি লিনিয়ার রিগ্রেশন মডেল দেওয়া, কোন মডেল আরও ভাল অভিনয় করতে পারে?
আমি আমার কলেজে একটি মেশিন লার্নিং কোর্স নিয়েছি। কোয়েসের একটিতে এই প্রশ্নটি করা হয়েছিল। মডেল 1: y=θx+ϵy=θx+ϵ y = \theta x + \epsilon মডেল 2: y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon উপরের কোন মডেল ডেটা আরও ভাল ফিট করতে পারে? (ধরুন লিনিয়ার রিগ্রেশন ব্যবহার করে ডেটা …

3
(0,1) উপর ক্রমাগত ইউনিফর্ম ভেরিয়েবলগুলির সংখ্যার কেন তাদের যোগফলের চেয়ে একটির বেশি হওয়া বোঝায় ?
আসুন আমরা এলোমেলো ভেরিয়েবলগুলির একটি স্ট্রিম যোগ করি, ; দিন পদ সংখ্যা আমরা মোট প্রয়োজন এক অতিক্রম হও, অর্থাত সবচেয়ে ছোট সংখ্যা যেমন যে হয়এক্স আই আমি আই ডি ∼ ইউ ( 0 , 1 ) Xi∼iidU(0,1)X_i \overset{iid}\sim \mathcal{U}(0,1)ওয়াই YYওয়াইYY এক্স 1 + এক্স 2 + ⋯ + এক্স ওয়াই …

1
অভিজ্ঞতামূলক সিডিএফের জন্য আস্থা অন্তর v
আমার এলোমেলো প্রক্রিয়া থেকে 100 টি পয়েন্ট রয়েছে। আমি অনুমান কাছাকাছি একটি আস্থা ব্যবধান স্থাপন সম্পর্কে কিভাবে যেতে হবে জনসংযোগ ( এক্স> এক্স )pr(এক্স>এক্স)\Pr(X>x) ? বিতরণ ফাংশনটি অজানা এবং ইতিবাচকভাবে স্কিউড। আমার প্রথম প্রবণতাটি এই শ্রেণীর জন্য আমি যে উপাদান পড়েছি তার উপর ভিত্তি করে একটি বুটস্ট্র্যাপ ব্যবহার করা হবে …
14 self-study 

4
কীভাবে পরিসংখ্যানিক প্রসঙ্গে হজম করবেন?
প্রথমত, আমি অনুমান যে না এই আকর্ষণীয় সাইটের সব সক্রিয় সদস্য তাদের কাজ যেমন স্ট্যাটিসটিসিয়ান হয়। নইলে নীচে যে প্রশ্ন করা হচ্ছে তাতে কোন লাভ হয় না! আমি অবশ্যই তাদের শ্রদ্ধা করি, তবে আমার এমন একটি ব্যাখ্যা দরকার যা ধারণার চেয়ে কিছুটা বেশি ব্যবহারিক। আমি উইকিপিডিয়া থেকে সংজ্ঞা দিতে একটি …

2
আর-এ ড্রপ 1 আউটপুটটির ব্যাখ্যা করা
আর-তে, drop1কমান্ডটি কিছু পরিষ্কার করে আউটপুট করে। এই দুটি কমান্ড আপনাকে কিছু আউটপুট পেতে হবে: example(step)#-> swiss drop1(lm1, test="F") আমার এইরকম দেখাচ্ছে: > drop1(lm1, test="F") Single term deletions Model: Fertility ~ Agriculture + Examination + Education + Catholic + Infant.Mortality Df Sum of Sq RSS AIC F value Pr(F) <none> …

1
ক্যারেট গ্ল্যামনেট বনাম সিভি.glmnet
একটি অনুকূল ল্যাম্বদা অনুসন্ধান করতে এবং একই কাজটি glmnetকরার caretজন্য ব্যবহারের মধ্যে তুলনা করে অনেক বিভ্রান্তি রয়েছে বলে মনে হয় cv.glmnet। অনেক প্রশ্ন উত্থাপিত হয়েছিল, যেমন: শ্রেণিবিন্যাস মডেল ট্রেন.glmnet বনাম cv.glmnet? ক্যারেটের সাথে গ্ল্যামনেট ব্যবহারের সঠিক উপায় কী? `ক্যারেট ব্যবহার করে ক্রস-বৈধকরণ` গ্ল্যামেট` তবে কোনও উত্তর দেওয়া হয়নি, যা প্রশ্নের …

2
পোইসন জিএলএম ফলাফলগুলিতে প্যারামিটার অনুমানগুলি কীভাবে ব্যাখ্যা করবেন [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 । 5 বছর আগে বন্ধ । Call: glm(formula = darters ~ river + pH + temp, family = poisson, data = darterData) Deviance Residuals: …

4
বৈশিষ্ট্য স্কেলিং এবং গড় স্বাভাবিককরণ
আমি অ্যান্ড্রু এনগের মেশিন লার্নিং কোর্স নিচ্ছি এবং বেশ কয়েকটি চেষ্টার পরেও এই প্রশ্নের উত্তর সঠিকভাবে পেতে পারিনি। দয়া করে এটিকে সমাধান করতে সহায়তা করুন, যদিও আমি স্তরটি পেরিয়েছি। ধরা যাক জন শিক্ষার্থী কিছু ক্লাস করেছে এবং ক্লাসটির মধ্যবর্তী পরীক্ষা এবং একটি চূড়ান্ত পরীক্ষা ছিল। আপনি দুটি পরীক্ষায় তাদের স্কোরের …

3
যখননিয়ত পরিবর্তনশীল হয়
আমি জানি যে ক্রমাগত পরিবর্তনশীল ।P[X=x]=0P[X=x]=0P[X=x]=0 তবে আমি ভিজ্যুয়ালাইজ করতে পারছি না যদি , সম্ভাব্য সংখ্যা অসীম । এবং এছাড়াও কেন তাদের সম্ভাবনা সীমিতভাবে ছোট হয়?P[X=x]=0P[X=x]=0P[X=x]=0xxx

2
পরামিতিগুলির অনুমানের উপর একটি সমস্যা
যাক এবং চার র্যান্ডম ভেরিয়েবল যেমন যে হতে , যেখানে অজানা পরামিতি। এছাড়াও ধরে নিন যে ,তাহলে কোনটি সত্য?ওয়াই1, Y2, Y3Y1,Y2,Y3Y_1,Y_2,Y_3ওয়াই4Y4Y_4ই( ওয়াই1) = θ1- θ3; ই ( ওয়াই2) = θ1+ + θ2- θ3; ই ( ওয়াই3) = θ1- θ3; ই ( ওয়াই4) = θ1- θ2- θ3E(Y1)=θ1−θ3; E(Y2)=θ1+θ2−θ3; E(Y3)=θ1−θ3; E(Y4)=θ1−θ2−θ3E(Y_1)=\theta_1-\theta_3;\space\space E(Y_2)=\theta_1+\theta_2-\theta_3;\space\space …

2
ডেটা মাইনিংয়ের বিশৃঙ্খলা তত্ত্বের পরিচিত, বিদ্যমান ব্যবহারিক প্রয়োগগুলি কী কী?
গত কয়েক বছর ধরে বিশৃঙ্খলাবদ্ধভাবে কিছু গণ-বাজার পড়ে বিশৃঙ্খলা তত্ত্ব নিয়ে কাজ করার সময় আমি ভাবতে শুরু করেছিলাম যে নিউরাল নেট, প্যাটার্ন স্বীকৃতি, অনিশ্চয়তা ব্যবস্থাপনা ইত্যাদির মতো ডেটা মাইনিং এবং সম্পর্কিত ক্ষেত্রগুলিতে এর বিভিন্ন দিকগুলি কীভাবে প্রয়োগ করা যেতে পারে, আমি প্রকাশিত গবেষণায় এ জাতীয় অ্যাপ্লিকেশনগুলির এত সংখ্যক উদাহরণ পাওয়া …

1
বায়াস-ভেরিয়েন্স পচে যাওয়া
বিশপের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিংয়ের ৩.২ ধারায় তিনি পক্ষপাত-প্রকরণের পচন নিয়ে আলোচনা করেছেন এবং উল্লেখ করেছেন যে একটি স্কোয়ার ক্ষতির ক্রিয়াকলাপের জন্য, প্রত্যাশিত ক্ষতিটিকে স্কোয়ার বায়াস পদে বিভক্ত করা যেতে পারে (যা বর্ণনা করে যে গড় পূর্বাভাসগুলি সত্য থেকে কতদূর দূরে রয়েছে) মডেল), একটি বৈকল্পিক শব্দ (যা গড়ের প্রায়শই …

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.