คำถามติดแท็ก intuition

ฉันพยายามที่จะทำให้สัญชาตญาณชัดเจนขึ้น: "ถ้าทำให้มีแนวโน้มมากขึ้นก็ทำให้Aมีแนวโน้มมากขึ้น" เช่นAAABBBBBBAAA ให้n(S)n(S)n(S)แทนขนาดของพื้นที่ที่AAAและBBBเป็นเช่นนั้น อ้างสิทธิ์: P(B|A)>P(B)P(B|A)>P(B)P(B|A)>P(B)ดังนั้นn(AB)/n(A)>n(B)/n(S)n(AB)/n(A)>n(B)/n(S)n(AB)/n(A) > n(B)/n(S) so n(AB)/n(B)>n(A)/n(S)n(AB)/n(B)>n(A)/n(S)n(AB)/n(B) > n(A)/n(S) อันไหนP(A|B)>P(A)P(A|B)>P(A)P(A|B)>P(A) ฉันเข้าใจคณิตศาสตร์ แต่ทำไมสิ่งนี้ถึงสมเหตุสมผล

9 probability  inference  conditional-probability  intuition  association-measure 

โดยทั่วไปแล้วไฟล์ PDF จะเขียนเป็นโดยที่ตัวพิมพ์เล็กนั้นถือว่าเป็นการรับรู้หรือผลลัพธ์ของตัวแปรสุ่มซึ่งมี pdf นั้น ในทำนองเดียวกัน CDF เขียนเป็นซึ่งมีความหมาย&lt;x) อย่างไรก็ตามในบางสถานการณ์เช่นคำจำกัดความของฟังก์ชั่นการให้คะแนนและการได้มาซึ่ง cdf นั้นมีการกระจายอย่างสม่ำเสมอปรากฏว่าตัวแปรสุ่มถูกเสียบเข้ากับ pdf / cdf ของตัวเอง เราจะได้ตัวแปรสุ่มใหม่หรือf(x|θ)f(x|θ)f(x|\theta)xxxXXXFX(x)FX(x)F_X(x)P(X&lt;x)P(X&lt;x)P(X<x)XXX Y=f(X|θ)Y=f(X|θ)Y=f(X|\theta)Z=FX(X)Z=FX(X)Z=F_X(X). ฉันไม่คิดว่าเราจะเรียกไฟล์นี้ว่า pdf หรือ cdf ได้อีกต่อไปเพราะตอนนี้มันเป็นตัวแปรสุ่มและในกรณีหลัง "การตีความ"ดูเหมือนไร้สาระสำหรับฉันFX(X)=P(X&lt;X)FX(X)=P(X&lt;X)F_X(X)=P(X<X) นอกจากนี้ในกรณีหลังข้างต้นฉันไม่แน่ใจว่าฉันเข้าใจคำแถลงว่า "cdf ของตัวแปรสุ่มตามการแจกแจงแบบเดียวกัน" cdf เป็นฟังก์ชั่นไม่ใช่ตัวแปรสุ่มดังนั้นจึงไม่มีการแจกแจง แต่สิ่งที่มีการแจกแจงแบบสม่ำเสมอคือตัวแปรสุ่มที่แปลงโดยใช้ฟังก์ชันที่แสดงถึง cdf ของตัวเอง แต่ฉันไม่เห็นว่าทำไมการแปลงนี้จึงมีความหมาย เช่นเดียวกันกับฟังก์ชันคะแนนซึ่งเราเสียบตัวแปรสุ่มเข้ากับฟังก์ชันที่แสดงถึงโอกาสในการบันทึกของมันเอง ฉันพยายามทำลายสมองของฉันเป็นเวลาหลายสัปดาห์เพื่อพยายามหาความหมายที่เข้าใจง่ายเบื้องหลังการเปลี่ยนแปลงเหล่านี้ แต่ฉันติดอยู่ ความเข้าใจใด ๆ จะได้รับการชื่นชมอย่างมาก!

9 random-variable  pdf  cdf  intuition 

เป็นที่ทราบกันดีว่าความเป็นอิสระของตัวแปรสุ่มหมายถึงความสัมพันธ์แบบศูนย์ แต่ความสัมพันธ์แบบศูนย์นั้นไม่จำเป็นต้องหมายความถึงความเป็นอิสระ ฉันเจอตัวอย่างทางคณิตศาสตร์มากมายที่แสดงถึงการพึ่งพาแม้ว่าจะไม่มีสหสัมพันธ์ มีตัวอย่างชีวิตจริงที่สนับสนุนความจริงข้อนี้หรือไม่?

9 correlation  independence  intuition 

ในหนังสือเรียนเศรษฐมิติของฉัน (เศรษฐมิติเบื้องต้น) ครอบคลุม OLS ผู้เขียนเขียนว่า "SSR จะต้องล้มลงเมื่อมีการเพิ่มตัวแปรอธิบายอื่น" ทำไมล่ะ

9 regression  optimization  econometrics  intuition  sums-of-squares 

ฉันมีปัญหาในการแยกแยะความแตกต่างระหว่างแนวคิดเรื่องความไร้สติและความคงที่ ในขณะที่ฉันเข้าใจพวกเขา heteroscedasticity นั้นมีความแตกต่างกันในประชากรย่อยและผู้ที่ไม่อยู่กับที่ก็คือค่าเฉลี่ย / ความแปรปรวนที่เปลี่ยนแปลงตลอดเวลา หากสิ่งนี้เป็นความเข้าใจที่ถูกต้อง (แม้ว่าจะเป็นแบบง่ายๆ) การไม่อยู่นิ่ง ๆ เป็นเพียงกรณีเฉพาะของความแตกต่างระหว่างเวลาหรือไม่?

9 time-series  heteroscedasticity  stationarity  intuition 

มาจากพื้นฐานที่เข้มงวดในการวิเคราะห์และทฤษฎีความน่าจะเป็นที่ทันสมัยฉันพบว่าสถิติแบบเบย์ตรงไปตรงมาและเข้าใจง่ายและสถิติบ่อยครั้งทำให้เกิดความสับสนและไม่เข้าใจง่ายอย่างเหลือเชื่อ ดูเหมือนว่าผู้ใช้บ่อยกำลังทำสถิติแบบเบย์จริง ๆ ยกเว้น "นักบวชลับ" ที่ไม่มีแรงจูงใจหรือคำจำกัดความที่ดี ในทางกลับกันนักสถิติที่ยอดเยี่ยมจำนวนมากที่เข้าใจทั้งสองมุมมองได้อธิบายมุมมองของผู้ใช้บ่อยดังนั้นจึงต้องมีบางสิ่งที่ฉันไม่เข้าใจ แทนที่จะยอมแพ้และประกาศตัวเองเป็นชาวเบย์ฉันต้องการเรียนรู้เพิ่มเติมเกี่ยวกับมุมมองของผู้ใช้บ่อย ๆ เพื่อพยายาม "หาความรู้" อย่างแท้จริง อะไรคือการอ้างอิงที่ดีสำหรับการเรียนรู้สถิติผู้ใช้บ่อยจากมุมมองที่เข้มงวด นึกคิดฉันกำลังมองหาหนังสือประเภทนิยามทฤษฎีบทพิสูจน์หรือปัญหาที่ยากอาจกำหนดว่าโดยการแก้ไขพวกเขาฉันจะได้รับความคิดที่ถูกต้อง ฉันได้อ่าน "เนื้อหาเชิงปรัชญา" มากกว่านี้แล้วอาจพบว่าการค้นหาทางอินเทอร์เน็ต - หน้าวิกิ, ไฟล์ PDF สุ่มจาก. edu / ~ ไซต์สุ่มสุ่ม ฯลฯ - และมันไม่ได้ช่วยอะไรเลย

9 references  frequentist  intuition 

แม้จะมีความพยายามหลายครั้งในการอ่านเกี่ยวกับ bootstrapping แต่ดูเหมือนว่าฉันจะชนกำแพงอิฐเสมอ ฉันสงสัยว่าใครสามารถให้คำจำกัดความที่ไม่ใช่ด้านเทคนิคของการบูตสแตรปหรือไม่? ฉันรู้ว่ามันเป็นไปไม่ได้ในฟอรั่มนี้เพื่อให้รายละเอียดมากพอที่จะช่วยให้ฉันเข้าใจมัน แต่การผลักดันอ่อนโยนในทิศทางที่เหมาะสมกับเป้าหมายหลักและกลไกของความร่วมมือจะมากชื่นชม! ขอบคุณ

9 nonparametric  bootstrap  intuition 

คุณจะอธิบายการสร้างภาพข้อมูลได้อย่างไรและทำไมจึงสำคัญต่อคนธรรมดา?

9 data-visualization  intuition