Вопросы с тегом «stochastic-processes»

Модель «Линейный баллистический накопитель» (LBA) - довольно успешная модель поведения человека при выполнении простых простых задач. Донкин и др. (2009, PDF ) предоставляют код, который позволяет оценивать параметры модели с учетом данных о поведении человека, и я скопировал этот код (с некоторыми незначительными изменениями форматирования) здесь . Тем не менее, …

11 r  stochastic-processes 

Простая линейная модель: х = α т + ϵTИксзнак равноαT+εTx=\alpha t + \epsilon_t где ~ iid N ( 0 , сг 2 )εTεT\epsilon_tN( 0 , σ2)N(0,σ2)N(0,\sigma^2) с иV a r ( x ) = σ 2Е( х ) = α тЕ(Икс)знак равноαTE(x) = \alpha tВa r ( x ) = …

11 regression  stochastic-processes  autoregressive  deterministic 

Процесс является строго стационарным , если совместное распределение X т 1 , Х т 2 , . , , , Х т т такое же , как совместное распределение X т 1 + K , X т 2 + к , . , , , X t m + k …

11 time-series  autocorrelation  stochastic-processes  stationarity 

Предположим, вы хотите отправиться на рыбалку на близлежащее озеро с 8:00 до 20:00. Из-за чрезмерного вылова рыбы был принят закон, согласно которому вы можете ловить только одну рыбу в день. Когда вы ловите рыбу, вы можете либо оставить ее (и, таким образом, пойти домой с этой рыбой), либо выбросить ее …

10 stochastic-processes  optimal-stopping 

Представьте себе ситуацию: у нас есть исторические записи (20 лет) о трех шахтах. Увеличивает ли присутствие серебра вероятность обнаружения золота в следующем году? Как проверить такой вопрос? Вот пример данных: mine_A <- c("silver","rock","gold","gold","gold","gold","gold", "rock","rock","rock","rock","silver","rock","rock", "rock","rock","rock","silver","rock","rock") mine_B <- c("rock","rock","rock","rock","silver","rock","rock", "silver","gold","gold","gold","gold","gold","rock", "silver","rock","rock","rock","rock","rock") mine_C <- c("rock","rock","silver","rock","rock","rock","rock", "rock","silver","rock","rock","rock","rock","silver", "gold","gold","gold","gold","gold","gold") time <- seq(from = 1, …

10 r  time-series  hypothesis-testing  stochastic-processes 

Я работаю над набором данных. После использования некоторых методов идентификации моделей я разработал модель ARIMA (0,2,1). Я использовал detectIOфункцию в пакете TSAв R, чтобы обнаружить инновационный выброс (IO) на 48-м наблюдении за моим исходным набором данных. Как включить этот выброс в мою модель, чтобы я мог использовать его для целей …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Рассмотрим бесконечный случайный геометрический граф, в котором положения узлов следуют за пуассоновским точечным процессом с плотностью а ребра располагаются между узлами, которые ближе, чем d . Следовательно, длина ребер соответствует следующему PDF:ρρ\rhoddd f(l)={2ld2l≤d0l>df(l)={2ld2l≤d0l>d f(l)= \begin{cases} \frac{2 l}{d^2} \;\quad l \le d \\ 0 \qquad\; l > d \end{cases} На приведенном …

10 probability  stochastic-processes  pdf  asymptotics  graph-theory 

В январе у Interviewstreet появился второй CodeSprint, в который вошел вопрос, приведенный ниже. Программный ответ опубликован, но не содержит статистического объяснения. (Вы можете увидеть оригинальную проблему и помещаемые решение, зарегистрировавшись на сайт Interviewstreet с кредиткой Google , а затем идти к проблеме монет ворочаются с этой страницы .) Монеты У …

10 probability  stochastic-processes  markov-process 

У кого-нибудь есть хороший пример случайного процесса, который является стационарным 2-го порядка, но не является строго стационарным?

10 time-series  stochastic-processes  stationarity 

Это всего лишь пример, с которым я сталкивался несколько раз, поэтому у меня нет примеров данных. Запуск модели линейной регрессии в R: a.lm = lm(Y ~ x1 + x2) x1является непрерывной переменной x2является категориальным и имеет три значения, например, «Низкий», «Средний» и «Высокий». Однако вывод, заданный R, будет выглядеть примерно …

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 

Как вы интерпретируете кривую выживания из модели пропорционального риска Кокса? В этом игрушечном примере предположим, что у нас есть модель пропорционального риска Кокса для ageпеременной в kidneyданных, и сгенерируем кривую выживания. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Например, в момент , какое утверждение верно? или оба не …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear