Ce n'est pas une question de travail à domicile mais un problème réel auquel notre entreprise est confrontée. Très récemment (il y a 2 jours), nous avons commandé la fabrication de 10 000 étiquettes de produits à un revendeur. Le concessionnaire est une personne indépendante. Il fait fabriquer les...
Je vais expliquer mon problème avec un exemple. Supposons que vous souhaitiez prédire le revenu d'un individu en fonction de certains attributs: {âge, sexe, pays, région, ville}. Vous avez un ensemble de données de formation comme ça train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3),...
Je vois que les deux fonctions font partie des méthodes d'extraction de données telles que Gradient Dynamiser régresseurs. Je vois que ce sont aussi des objets séparés. Quelle est la relation entre les deux en
(Pour voir pourquoi j'ai écrit ceci, consultez les commentaires ci-dessous ma réponse à cette question .) Erreurs de type III et théorie de la décision statistique Donner la bonne réponse à la mauvaise question est parfois appelé une erreur de type III. La théorie de la décision statistique est une...
Avec un a priori plat, les estimateurs ML (fréquentiste - maximum de vraisemblance) et MAP (bayésien - maximum a posteriori) coïncident. Plus généralement, cependant, je parle d'estimateurs ponctuels dérivés comme optimiseurs d'une fonction de perte. C'est à dire (Bayésien) x...
Imaginez la configuration suivante: vous avez 2 pièces, la pièce A qui est garantie d'être juste et la pièce B qui peut ou non être juste. On vous demande de faire 100 lancers de pièces, et votre objectif est de maximiser le nombre de têtes . Votre information préalable sur la pièce B est qu'elle a...
J'ai du mal à comprendre des statistiques suffisantes et complètes? Soit une statistique suffisante.T= Σ xjeT=ΣXjeT=\Sigma x_i Si avec probabilité 1, pour une fonction g , alors c'est une statistique complète suffisante.E[ g( T) ] = 0E[g(T)]=0E[g(T)]=0ggg mais qu'est ce que ça veut dire? J'ai vu...
Soit le risque bayésien d'un estimateur par rapport à un antérieur , soit le jeu de tous les a priori sur l'espace des paramètres , et soit le jeu de toutes les règles de décision (éventuellement randomisées).r(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta L'interprétation statistique...
Ma coiffeuse Stacey a toujours un visage heureux, mais elle est souvent stressée par la gestion de son temps. Aujourd'hui, Stacey était en retard pour ma nomination et très excusée. Tout en obtenant ma coupe de cheveux, je me suis demandé: combien de temps ses rendez-vous standard devraient-ils...
J'essaie de tracer la frontière de décision d'un algorithme perceptron et je suis vraiment confus à propos de quelques choses. Mes instances d'entrée sont sous la forme , essentiellement une instance d'entrée 2D ( et ) et une valeur cible de classe binaire ( ) [1 ou
La statistique du test de Durbin-Watson peut se situer dans une région non concluante, où il n'est pas possible de rejeter ou de rejeter l'hypothèse nulle (dans ce cas, d'autocorrélation nulle). Quels autres tests statistiques peuvent produire des résultats "non concluants"? Y a-t-il une...
D'accord - mon message d'origine n'a pas réussi à obtenir une réponse; alors, permettez-moi de poser la question différemment. Je commencerai par expliquer ma compréhension de l'estimation d'un point de vue théorique de la décision. Je n'ai aucune formation formelle et cela ne m'étonnerait pas si...
Je programme et fais du développement piloté par les tests. Après avoir modifié mon code, je lance mes tests. Parfois, ils réussissent et parfois ils échouent. Avant d'exécuter un test, j'écris un nombre de 0,01 à 0,99 pour ma certitude que le test réussira. Je veux savoir si je m'améliore en...
J'ai rencontré ces diapositives (diapositives # 16 et # 17) dans l'un des cours en ligne. L'instructeur tentait d'expliquer comment l'estimation maximale postérieure (MAP) est en fait la solution L ( θ ) = I[ θ ≠ θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , où θ∗θ∗\theta^{*} est...
La perte L2, ainsi que la perte L0 et L1, sont trois fonctions de perte "par défaut" très courantes utilisées pour résumer une perte postérieure minimale par la perte attendue postérieure. Une des raisons à cela est peut-être qu'elles sont relativement faciles à calculer (au moins pour les...
Cela pourrait être un peu d'une question philosophique, mais on y va: En théorie de la décision, le risque d'un estimateur Bayes θ ( x ) pour θ ∈ Θ est défini par rapport à une distribution avant π sur Θ .θ^(x)θ^(x)\hat\theta(x)θ∈Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Maintenant, d'une part, pour que le...
Pour une variable aléatoire donnée (ou une population, ou un processus stochastique), l'attente mathématique est la réponse à une question Quelle prévision ponctuelle minimise la perte carrée attendue? . Aussi, c'est la solution optimale à un jeu Devinez la prochaine réalisation d'une variable...
Je me souviens d'une preuve que la théorie des probabilités bayésienne est la seule méthode valable pour représenter les croyances, elle est allée quelque chose comme nous représentons la croyance par une fonction non négative sur un domaine de résultats les croyances sont sous-additives ... Par...
Je me demandais comment les statistiques et la théorie de la décision sont liées? Il me semble que tous les problèmes / tâches statistiques peuvent être formulés en théorie de la décision. Les problèmes de théorie de la décision peuvent également être formulés sous forme de problèmes statistiques /...