Вопросы с тегом «approximation»

Есть ли аналог чебышевского неравенства с более высоким моментом в одностороннем случае? Неравенство Чебышева-Кантелли, похоже, работает только для дисперсии, в то время как неравенство Чебышева может быть легко получено для всех показателей. Кто-нибудь знает одностороннее неравенство, использующее высшие моменты?

12 approximation  moments  probability-inequalities 

Я хотел лучше понять точный критерий Фишера, поэтому я разработал следующий пример игрушки, где f и m соответствуют мужской и женской части, а n и y соответствуют «потреблению соды», например: > soda_gender f m n 0 5 y 5 0 Очевидно, это резкое упрощение, но я не хотел, чтобы контекст …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Здесь, в Википедии, написано: Для достаточно больших значений λλλ (скажем, λ>1000λ>1000λ>1000 ) нормальное распределение со средним λλλ и дисперсией λλλ (стандартное отклонение λ−−√λ\sqrt{\lambda} ) является отличным приближением к распределению Пуассона. Если λλλ больше, чем приблизительно 10, то нормальное распределение является хорошим приближением, если выполняется соответствующая коррекция непрерывности, то есть P(X≤x),P(X≤x),P(X …

12 normal-distribution  poisson-distribution  approximation 

Этот вопрос вдохновлен ответом Мартина здесь . Предположим, что мы подходим к GLM для однопараметрического семейства, такого как биномиальная модель или модель Пуассона, и что это процедура полного правдоподобия (в отличие от квазипуассона). Тогда дисперсия является функцией среднего значения. С биномом: и с Пуассоном .var[X]=E[X]E[1−X]var[X]=E[X]E[1−X]\text{var}[X] = E[X]E[1-X]var[X]=E[X]var[X]=E[X]\text{var}[X] = E[X] В …

11 regression  generalized-linear-model  inference  approximation  t-distribution 

Я случайно читал статью (по экономике), которая имела следующее приближение для :log(E(X))log⁡(E(X))\log(E(X)) log(E(X))≈E(log(X))+0.5var(log(X))log⁡(E(X))≈E(log⁡(X))+0.5var(log⁡(X))\log(E(X)) \approx E(\log(X))+0.5 \mathrm{var}(\log(X)) , что автор говорит точно, если X лог-нормально (что я знаю). Чего я не знаю, так это как получить это приближение. Я попытался вычислить приближение Тейлора второго порядка, и все, что я придумал, это …

11 lognormal  approximation  taylor-series 

Каков наилучший способ аппроксимировать для двух заданных целых чисел когда вы знаете среднее , дисперсию , асимметрию и избыточный эксцесс дискретного распределения и из (ненулевых) мер формы и что нормальное приближение не подходит?Pr[n≤X≤m]Pr[n≤X≤m]Pr[n \leq X \leq m]m,nm,nm,nμμ\muσ2σ2\sigma^2γ1γ1\gamma_1γ2γ2\gamma_2XXXγ1γ1\gamma_1γ2γ2\gamma_2 Обычно я использовал бы нормальное приближение с целочисленной коррекцией ... Pr[(n−½)≤X≤(m+½)]=Pr[(n−½)−μσ≤Z≤(m+½)−μσ]=Φ((m+½)−μσ)−Φ((n−½)−μσ)Pr[(n−½)≤X≤(m+½)]=Pr[(n−½)−μσ≤Z≤(m+½)−μσ]=Φ((m+½)−μσ)−Φ((n−½)−μσ)Pr[(n - \text{½})\leq …

11 probability  distributions  moments  approximation  saddlepoint-approximation 

Может ли любая непрерывная функция на [a, b], где a и b являются действительными числами, быть аппроксимированной или произвольно близкой к функции (в некоторой норме) гауссовскими процессами (регрессия)?

10 gaussian-process  approximation 

Возьмите ожидание вида для некоторой одномерной случайной величины и целой функции (т. Интервал сходимости - это целая вещественная линия)E(f(X))E(f(X))E(f(X))XXXf(⋅)f(⋅)f(\cdot) У меня есть функция, генерирующая моменты для и, следовательно, я могу легко вычислить целые моменты. Используйте ряд Тейлора вокруг а затем примените ожидание в терминах ряда центральных моментов, = f (\ …

10 expected-value  approximation 

Если есть несколько возможных приближений, я ищу самый основной.

10 normal-distribution  multinomial  approximation 

Итак, у меня есть 16 испытаний, в которых я пытаюсь идентифицировать человека по биометрической характеристике, используя расстояние Хэмминга. Мой порог установлен на 3,5. Мои данные ниже, и только пробная версия 1 является истинным положительным результатом: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction