Il peut parfois être nécessaire de différencier une série de temps pour la rendre fixe. Cependant, je ne comprends pas comment la différenciation de second ordre peut aider à la rendre stationnaire lorsque la différenciation de premier ordre ne suffit pas. Pourriez-vous donner une explication...
J'ai du mal à saisir la forme de l'intervalle de confiance d'une régression polynomiale. Voici un exemple artificiel, . La figure de gauche représente l'UPV (variance de prédiction non mise à l'échelle) et le graphique de droite montre l'intervalle de confiance et les points mesurés (artificiels) à...
Ma question est plutôt sémantique. Lorsqu'une méthode produit régulièrement des valeurs p élevées, elle est dite conservatrice. Diriez-vous l'inverse, c'est-à-dire une méthode avec un taux d'erreur élevé de type II
Je travaille sur un projet qui consiste à lire des étiquettes RFID et à comparer la puissance du signal que le lecteur voit lorsque vous changez la configuration de l'antenne (nombre d'antennes, position, etc ...). Dans le cadre du projet, je dois comparer les configurations pour voir lesquelles...
J'ai effectué une régression linéaire qui a donné un résultat significatif, mais lorsque j'ai vérifié la linéarité du nuage de points, je n'étais pas convaincu que les données étaient linéaires. Existe-t-il d'autres moyens de tester la linéarité sans inspecter le nuage de points? La régression...
J'implémentais un article assez populaire " EXPLIQUER ET EXPLIQUER DES EXEMPLES ADVERSAIRES " et dans le document, il forme une fonction objective contradictoire J '' (θ) = αJ (θ) + (1 - α) J '(θ). Il traite α comme un hyperparamètre. α peut être 0,1, 0,2, 0,3, etc. Indépendamment de cet article...
Si suit une distribution de Cauchy, alors suit également exactement la même distribution que ; voir ce fil .XXXY=X¯=1n∑ni=1XiY=X¯=1n∑i=1nXiY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX Cette propriété a-t-elle un nom? Y a-t-il d'autres distributions pour lesquelles cela est vrai? ÉDITER Une autre...
Étant donné variable aléatoire , avec une distribution de probabilité , la matrice de corrélation est positive semi-définie, c'est-à-dire ses valeurs propres sont positifs ou nuls.nnnXiXiX_iP( X1, … , Xn)P(X1,…,Xn)P(X_1,\ldots,X_n)Cje j= E[ XjeXj] - E[ Xje] E[ Xj]Cij=E[XiXj]−E[Xi]E[Xj]C_{ij}=E[X_i...
D'après ma compréhension, les CNN se composent de deux parties. La première partie (couches conv / pool) qui fait l'extraction d'entités et la deuxième partie (couches fc) qui fait la classification des entités. Étant donné que les réseaux neuronaux entièrement connectés ne sont pas les meilleurs...
J'aimerais que mon modèle formé soit testé sur un ensemble de données déséquilibré. Existe-t-il des algorithmes disponibles pour générer des données synthétiques à partir d'un ensemble de données étiqueté équilibré (spam /
Pourquoi le symbole rrr a-t-il été choisi pour désigner la corrélation de moment de produit de
En lisant l'article "Prévision à grande échelle" (outil de prévision FBProphet, voir https://peerj.com/preprints/3190.pdf ), je suis tombé sur le terme "clairsemé avant". Les auteurs expliquent qu'ils utilisaient un tel "a priori clairsemé" pour modéliser un vecteur d'écarts de taux...
(Cette question est inspirée de ce commentaire de Xi'an .) Il est bien connu que si la distribution précédente est correcte et que la probabilité est bien définie, alors la distribution postérieure est presque sûrement propre.π(θ)π(θ)\pi(\theta)L(θ|x)L(θ|x)L(\theta |
Considérons un problème statistique où vous avez une responsevariable que vous souhaitez décrire conditionnellement à une explanatoryvariable et une nestedvariable, où la variable imbriquée n'apparaît que comme une variable significative pour des valeurs particulières de la variable explicative ....
D'après ce que je comprends, c'est (du moins, c'est ainsi que Wikipedia le définit ). Mais j'ai trouvé cette déclaration d'Efron * (je souligne): La chaîne de Markov Monte Carlo (MCMC) est la grande réussite des statistiques bayésiennes modernes. MCMC, et sa méthode sœur «échantillonnage de Gibbs»,...
Je les parle souvent d'emprunt ou de partage d'informations dans les modèles hiérarchiques bayésiens. Je n'arrive pas à obtenir une réponse claire sur ce que cela signifie réellement et s'il est unique aux modèles hiérarchiques bayésiens. J'ai en quelque sorte compris l'idée: certains niveaux de...
Récemment, j'ai pris conscience des méthodes «sans vraisemblance» utilisées dans la littérature. Cependant, je ne sais pas exactement ce que signifie qu'une méthode d'inférence ou d'optimisation est sans vraisemblance . Dans l'apprentissage automatique, l'objectif est généralement de maximiser la...
Dans les statistiques fréquentistes, un intervalle de confiance à 95% est une procédure produisant un intervalle qui, si elle était répétée un nombre infini de fois, contiendrait le vrai paramètre 95% du temps. Pourquoi est-ce utile? Les intervalles de confiance sont souvent mal compris. Ce n'est...
Si p∼p∼p \sim Uniforme (0,1)(0,1)(0,1) et X∼X∼X \sim Bin (n,p)(n,p)(n, p) , alors la moyenne postérieure de ppp est donnée par X+1n+2X+1n+2\frac{X+1}{n+2} . Y a-t-il un nom commun pour cet estimateur? J'ai trouvé que cela résout de nombreux problèmes et j'aimerais pouvoir pointer les gens vers une...
En supposant que j'ai deux variables aléatoires non indépendantes et que je souhaite réduire la covariance entre elles autant que possible sans perdre trop de "signal", cela signifie-t-il que le centrage aide? J'ai lu quelque part que le centrage moyen réduit la corrélation d'un facteur...