Вопросы с тегом «approximation»

Существуют ли хорошо известные формулы для статистики порядка некоторых случайных распределений? В частности, статистика первого и последнего порядка нормальной случайной величины, но также следует принять более общий ответ. Изменить: чтобы уточнить, я ищу приближающие формулы, которые могут быть более или менее явно оценены, а не точное интегральное выражение. Например, я …

39 distributions  normal-distribution  approximation  order-statistics 

В байесовской статистике часто упоминается, что апостериорное распределение трудноразрешимо, и поэтому необходимо применять приблизительный вывод. Какие факторы вызывают эту неразрешимость?

28 bayesian  approximation  inference 

Пусть и X 2 будут 2 iidrv, где log ( X 1 ) , log ( X 2 ) ∼ N ( μ , σ ) . Я хотел бы знать распределение для X 1 - X 2 .X1X1X_1X2X2X_2log(X1),log(X2)∼N(μ,σ)log⁡(X1),log⁡(X2)∼N(μ,σ)\log(X_1),\log(X_2) \sim N(\mu,\sigma)X1−X2X1−X2X_1 - X_2 Лучшее, что я могу сделать, - это …

23 probability  distributions  random-variable  lognormal  approximation 

Недавно возник вопрос, похожий на ML, касающийся обмена стека теорий, и я опубликовал ответ, рекомендующий метод Пауэлла, градиентный спуск, генетические алгоритмы или другие «алгоритмы приближения». В комментарии кто-то сказал мне, что эти методы являются «эвристикой», а не «алгоритмами аппроксимации» и часто не приближаются к теоретическому оптимуму (потому что они «часто …

23 machine-learning  optimization  approximation 

После выполнения анализа главных компонентов (PCA) я хочу спроецировать новый вектор на пространство PCA (т.е. найти его координаты в системе координат PCA). Я рассчитал PCA на языке R, используя prcomp. Теперь я должен быть в состоянии умножить свой вектор на матрицу вращения PCA. Должны ли главные компоненты в этой матрице …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Один наивный метод для аппроксимации нормального распределения состоит в том, чтобы сложить, возможно, 100100100 случайных величин IID, равномерно распределенных по [0,1][0,1][0,1] , затем пересчитать их и изменить масштаб, полагаясь на Центральную предельную теорему. ( Примечание : существуют более точные методы, такие как преобразование Бокса – Мюллера .) Сумма IID U(0,1)U(0,1)U(0,1)случайных …

20 normal-distribution  central-limit-theorem  moments  approximation 

Если у вас есть матрица с n строками и m столбцами, вы можете использовать SVD или другие методы для вычисления аппроксимации низкого ранга данной матрицы. Однако в приближении низкого ранга все равно будет n строк и m столбцов. Как могут быть использованы низкоранговые аппроксимации для машинного обучения и обработки естественного …

20 r  matrix  approximation 

Я знаю, что простая в обращении формула для CDF нормального распределения несколько отсутствует из-за сложной функции ошибок в ней. Однако мне интересно, есть ли хорошая формула для . Или каково «современное» приближение для этой проблемы.N(c−≤x&lt;c+|μ,σ2)N(c−≤x&lt;c+|μ,σ2)N(c_{-} \leq x < c_{+}| \mu, \sigma^2)

18 normal-distribution  approximation 

В прошлом году на NIPS 2017 Али Рахими и Бен Рехт выиграли тест на награду за свою работу «Случайные функции для крупномасштабных машин с ядром», где они представили случайные функции, которые впоследствии были кодифицированы как алгоритм случайных кухонных раковин. В рамках публикации своего документа они показали, что их модель может …

18 machine-learning  svm  gaussian-process  approximation 

Предположим, у нас есть функция которую мы можем наблюдать только через некоторый шум. Мы не можем вычислить напрямую, только где - некоторый случайный шум. (На практике: я вычисляю используя метод Монте-Карло.)f(x)f(x)f(x)f(x)f(x)f(x)f(x)+ηf(x)+ηf(x) + \etaηη\etaf(x)f(x)f(x) Какие методы доступны для нахождения корней , то есть для вычисления так, чтобы ?fffxxxf(x)=0f(x)=0f(x) = 0 Я …

17 approximation 

Пусть - семейство случайных величин iid, принимающих значения в , имеющих среднее и дисперсию . Простой доверительный интервал для среднего значения, использующий всякий раз, когда он известен, задается как {Xi}ni=1{Икся}язнак равно1N\{X_i\}_{i=1}^n[0,1][0,1][0,1]μμ\muσ2σ2\sigma^2σσ\sigmaP(|X¯−μ|&gt;ε)≤σ2nε2≤1nε2(1).п(|Икс¯-μ|&gt;ε)≤σ2Nε2≤1Nε2(1), P( | \bar X - \mu| > \varepsilon) \le \frac{\sigma^2}{n\varepsilon^2} \le\frac{1}{n \varepsilon^2} \qquad (1). Кроме того, поскольку асимптотически распределяется …

15 normal-distribution  confidence-interval  references  asymptotics  approximation 

Пакеты программ для обнаружения сетевых мотивов могут возвращать чрезвычайно высокие Z-оценки (самый высокий показатель, который я видел, составляет 600 000+, но Z-оценки более 100 встречаются довольно часто). Я планирую показать, что эти Z-оценки являются поддельными. Огромные Z-оценки соответствуют чрезвычайно низким вероятностям. Значения связанных вероятностей приведены, например, на странице википедии нормального …

14 probability  normal-distribution  p-value  approximation  z-statistic 

Теорема универсального приближения является довольно известным результатом для нейронных сетей, в основном утверждая, что при некоторых допущениях функция может быть равномерно аппроксимирована нейронной сетью с любой точностью. Есть ли аналогичный результат, применимый к сверточным нейронным сетям?

14 neural-networks  conv-neural-network  approximation 

Я проверяю равенство средств, используя t-критерий Уэлча. Базовое распределение далеко от нормального (более искажено, чем пример в соответствующем обсуждении здесь ). Я могу получить больше данных, но хотел бы найти принципиальный способ определить, в какой степени это сделать. Существует ли хорошая эвристика для оценки приемлемости распределения выборки? Какие отклонения от …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

Учитывая н.о.р. , и , ищу:X n ≈ N ( μ X , σ 2 X ) μ X ≈ 0N≥ 30N≥30N\geq30ИксN≈ N( μИкс, σ2Икс)Xn≈N(μX,σX2)X_n\approx\mathcal{N}(\mu_X,\sigma_X^2)μИкс≈ 0μX≈0\mu_X \approx 0 точное приближение распределения замкнутой формы YN= ∏1NИксNYN=∏1NXnY_N=\prod\limits_{1}^{N}{X_n} асимптотическая ( экспоненциальная ?) аппроксимация того же произведения Это особый случай более общего вопроса .μИкс≈ …

12 distributions  normal-distribution  asymptotics  approximation