Dalam pembelajaran statistik, secara implisit atau eksplisit, seseorang selalu mengasumsikan bahwa set pelatihan terdiri dari input input / respon yang diambil secara independen dari distribusi gabungan yang sama denganD={X,y}D={X,y}\mathcal{D} = \{ \bf {X}, \bf{y}
Ini adalah pertanyaan wawancara untuk posisi analis kuantitatif, dilaporkan di sini . Misalkan kita menggambar dari distribusi yang seragam dan gambarnya adalah id, berapa panjang yang diharapkan dari distribusi yang meningkat secara monoton? Yaitu, kita berhenti menggambar jika undian saat ini...
Kami biasanya menggunakan PCA sebagai teknik reduksi dimensi untuk data di mana kasus dianggap iid Pertanyaan: Apa nuansa khas dalam menerapkan PCA untuk data dependen dan non-iid? Apa sifat bagus / berguna PCA yang berlaku untuk data iid dikompromikan (atau hilang seluruhnya)? Sebagai contoh,...
Saya menghadapi kesulitan memahami makna "sampel acak" dan "variabel acak acak". Saya mencoba mencari tahu artinya dari beberapa sumber, tetapi semakin bingung. Saya memposting di sini apa yang saya coba dan ketahui: Probabilitas & Statistik Degroot mengatakan: Sampel Acak / iid / Ukuran...
Apakah ada asumsi awal pada variabel respon regresi logistik? Sebagai contoh, misalkan kita memiliki titik data. Tampaknya respons datang dari distribusi Bernoulli dengan . Karena itu, kita harus memiliki distribusi Bernoulli, dengan parameter berbeda .100010001000YsayaYsayaY_ihalsaya= logit ( β0+...
Bagaimana Anda menguji atau memeriksa bahwa pengambilan sampel adalah IID (Independen dan Didistribusikan Secara Identik)? Perhatikan bahwa yang saya maksud bukan Gaussian dan Distributed Identically, hanya IID. Dan ide yang muncul di benak saya adalah berulang kali membagi sampel dalam dua...
Ini mungkin pertanyaan yang aneh sama sekali tetapi sebagai seorang pemula untuk subjek saya bertanya-tanya mengapa kita menggunakan regresi untuk menentukan deret waktu jika salah satu asumsi regresi adalah data yang harus ditampung sedangkan data yang digunakan regresi adalah bukan...
Misalkan X0,X1,…,XnX0,X1,…,Xn X_{0},X_{1},\ldots,X_{n} adalah variabel acak iid yang mengikuti distribusi Poisson dengan rata-rata λλ \lambda . Bagaimana saya bisa membuktikan bahwa tidak ada penaksir yang tidak bias dari kuantitas 1λ1λ \dfrac{1}{\lambda}
Seperti yang disarankan dalam judul. Misalkan adalah variabel acak kontinu iid dengan pdf . Pertimbangkan kejadian yang , , dengan demikian adalah ketika urutan menurun untuk pertama kalinya. Lalu apa nilai ?X1,X2,…,XnX1,X2,…,XnX_1, X_2, \dotsc, X_nfffX1≤X2…≤XN−1>XNX1≤X2…≤XN−1>XNX_1 \leq X_2...
Saya menemukan derivasi ini yang saya tidak mengerti: Jika adalah sampel acak ukuran n yang diambil dari populasi mean dan varians , makaX1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nμμ\muσ2σ2\sigma^2 X¯=(X1+X2+...+Xn)/nX¯=(X1+X2+...+Xn)/n\bar{X} = (X_1 + X_2 + ... +
Apakah mungkin untuk memiliki perbedaan PDF dari dua tampilan iid rv seperti persegi panjang (bukan, katakanlah, segitiga yang kita dapatkan jika rv diambil dari distribusi seragam). yaitu apakah mungkin untuk PDF f dari jk (untuk dua iid rv diambil dari beberapa distribusi) memiliki f (x) = 0,5...