প্রশ্ন ট্যাগ «unbiased-estimator»

জনসংখ্যার প্যারামিটারের একজন অনুমানকারীকে বোঝায় যা গড়ে "সত্যের মানকে আঘাত করে"। তা হল, পর্যবেক্ষণ করা তথ্যের একটি ফাংশনθ^ প্যারামিটারের একটি নিরপেক্ষ অনুমানক θ যদি (θ^)=θ। নিরপেক্ষ অনুমানকটির সহজতম উদাহরণ হ'ল জনসংখ্যার গড় অনুমানকারী হিসাবে নমুনা গড়।

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
লজিস্টিক রিগ্রেশন জন্য সর্বাধিক সম্ভাবনা অনুমানের বায়াস
লজিস্টিক রিগ্রেশনগুলির জন্য আমি সর্বাধিক সম্ভাবনা অনুমানের (এমএলই) উপর কয়েকটি ঘটনা বুঝতে চাই। এটি কি সত্য যে, সাধারণভাবে, লজিস্টিক রিগ্রেশনের জন্য এমএলই পক্ষপাতদুষ্ট? আমি "হ্যাঁ" বলতাম। আমি জানি, উদাহরণস্বরূপ, সেই নমুনা মাত্রা MLEs এর asympotic পক্ষপাতের সাথে সম্পর্কিত। আপনি কি এই ঘটনার কোনও প্রাথমিক উদাহরণ জানেন? যদি এমএলই পক্ষপাতদুষ্ট হয় …

2
সর্বনিম্ন অনুমানকারী উন্নত করা হচ্ছে
ধরুন আমার কাছে আছে nnn ইতিবাচক পরামিতি μ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_n এবং তাদের সম্পর্কিত nnn অনুমানকারীদের দ্বারা উত্পাদিত নিরপেক্ষ অনুমান μ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}অর্থাৎ E[μ1^]=μ1E[μ1^]=μ1\mathrm E[\hat{\mu_1}]=\mu_1, ই[μ2^]=μ2E[μ2^]=μ2\mathrm E[\hat{\mu_2}]=\mu_2 ইত্যাদি। আমি অনুমান করতে চাই min(μ1,μ2,...,μn)min(μ1,μ2,...,μn)\mathrm{min}(\mu_1,\mu_2,...,\mu_n)হাতে অনুমান ব্যবহার। স্পষ্টতই নিষ্পাপ অনুমানকারীmin(μ1^,μ2^,...,μn^)min(μ1^,μ2^,...,μn^)\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}) পক্ষপাতদুষ্ট হিসাবে নিম্ন E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)\mathrm E[\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})]\leq \mathrm{min}(\mu_1,\mu_2,...,\mu_n) মনে করুন যে আমার কাছে সংশ্লিষ্ট অনুমানকারীদের কোভারিয়েন্স ম্যাট্রিক্সও রয়েছে Cov(μ1^,μ2^,...,μn^)=ΣCov(μ1^,μ2^,...,μn^)=Σ\mathrm{Cov}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}) …

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 
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.