คำถามติดแท็ก probability

ความน่าจะเป็นให้คำอธิบายเชิงปริมาณของเหตุการณ์ที่เกิดขึ้นโดยเฉพาะ

10
"โอกาส" และ "โอกาส" แตกต่างกันอย่างไร?
หน้าวิกิพีเดียบอกว่าโอกาสและความน่าจะเป็นแนวความคิดที่แตกต่างกัน ในการพูดจาที่ไม่ใช่ด้านเทคนิค "ความน่าจะเป็น" มักจะเป็นคำพ้องสำหรับ "ความน่าจะเป็น" แต่ในการใช้งานทางสถิติมีความแตกต่างที่ชัดเจนในมุมมอง: หมายเลขที่เป็นความน่าจะเป็นของผลลัพธ์ที่สังเกตได้บางอย่าง ความน่าจะเป็นของชุดค่าพารามิเตอร์ที่กำหนดผลลัพธ์ที่สังเกตได้ บางคนสามารถให้คำอธิบายเกี่ยวกับสิ่งนี้ได้มากขึ้นตามความหมายของโลก? นอกจากนี้ตัวอย่างของความน่าจะเป็น "ความน่าจะเป็น" และ "ความน่าจะเป็น" ก็ดี

6
มูลค่าการแจกแจงความน่าจะเป็นที่เกิน 1 สามารถเป็นได้หรือไม่?
ในหน้า Wikipedia เกี่ยวกับตัวแยกประเภทซื่อๆ Bayesมีบรรทัดนี้: p(height|male)=1.5789p(height|male)=1.5789p(\mathrm{height}|\mathrm{male}) = 1.5789 (การกระจายความน่าจะเป็นที่มากกว่า 1 คือ OK มันคือพื้นที่ใต้เส้นโค้งระฆังที่เท่ากับ 1) ค่าจะตกลงได้อย่างไร? ผมคิดว่าน่าจะเป็นค่าทั้งหมดถูกแสดงในช่วง1 นอกจากนี้หากเป็นไปได้ที่จะมีค่าเช่นนั้นค่าที่ได้จากตัวอย่างที่แสดงในหน้าเป็นอย่างไร>1>1>10≤p≤10≤p≤10 \leq p \leq 1

14
คำถามสัมภาษณ์ของ Amazon ความน่าจะเป็นของการสัมภาษณ์ครั้งที่ 2
ฉันได้รับคำถามนี้ระหว่างการสัมภาษณ์กับ Amazon: 50% ของคนที่ได้รับการสัมภาษณ์ครั้งแรกจะได้รับการสัมภาษณ์ครั้งที่สอง 95% ของเพื่อนที่ได้รับการสัมภาษณ์ครั้งที่สองรู้สึกว่าพวกเขาได้รับการสัมภาษณ์ครั้งแรกที่ดี 75% ของเพื่อนของคุณที่ไม่ได้รับการสัมภาษณ์ครั้งที่สองรู้สึกว่าพวกเขามีการสัมภาษณ์ครั้งแรกที่ดี หากคุณรู้สึกว่าได้รับการสัมภาษณ์ครั้งแรกความน่าจะเป็นที่คุณจะได้รับการสัมภาษณ์ครั้งที่สองคือเท่าไร มีคนช่วยอธิบายวิธีแก้ปัญหานี้ได้ไหม ฉันมีปัญหาในการแยกคำปัญหาออกเป็นคณิตศาสตร์ (ตอนนี้การสัมภาษณ์นานแล้ว) ฉันเข้าใจว่าอาจไม่มีวิธีแก้ปัญหาตัวเลขจริง แต่คำอธิบายว่าคุณจะแก้ไขปัญหานี้ได้อย่างไร แก้ไข: ฉันได้รับการสัมภาษณ์ครั้งที่สอง หากใครอยากรู้อยากเห็นฉันได้อธิบายว่าเป็นการรวมกันของคำตอบด้านล่าง: ข้อมูลไม่เพียงพอเพื่อนที่ไม่ได้เป็นตัวแทนตัวอย่างและอื่น ๆ เพียงแค่พูดถึงความน่าจะเป็นบางอย่าง คำถามทำให้ฉันงงในตอนท้ายขอบคุณสำหรับคำตอบทั้งหมด

3
ทำไมเราต้องใช้ซิกม่า - อัลจีบราเพื่อกำหนดช่องว่างของความน่าจะเป็น
เรามีการทดลองแบบสุ่มกับผลลัพธ์ที่แตกต่างกันในการสร้างพื้นที่ตัวอย่าง ซึ่งเรามองด้วยความสนใจในรูปแบบบางอย่างที่เรียกว่าeventsSigma-algebras (หรือ sigma-fields)ประกอบด้วยเหตุการณ์ที่สามารถวัดความน่าจะเป็นได้ คุณสมบัติบางอย่างเป็นจริงรวมทั้งการรวมของชุด nullและตัวอย่างพื้นที่ทั้งหมดและพีชคณิตที่อธิบายสหภาพแรงงานและสี่แยกที่มีแผนภาพเวนน์Ω ,Ω,\Omega,F หน้า ∅ F.F.\mathscr{F}. PP\mathbb{P}∅∅\varnothing น่าจะมีการกำหนดเป็นฟังก์ชั่นระหว่างที่พีชคณิตและช่วง[0,1]พรึบสามรูปแบบพื้นที่น่าจะเป็นσσ\sigma[0,1][0,1][0,1](Ω,F,P)(Ω,F,P)(\Omega, \mathscr{F}, \mathbb{P}) มีคนอธิบายเป็นภาษาอังกฤษธรรมดาได้หรือไม่ว่าทำไมความน่าจะเป็นที่พังทลายลงมาถ้าเราไม่มี -algebra? พวกเขาเพิ่งจะยืนอยู่ตรงกลางด้วย "F" การประดิษฐ์ตัวอักษรที่เป็นไปไม่ได้ ฉันเชื่อว่าพวกเขามีความจำเป็น ฉันเห็นว่าเหตุการณ์แตกต่างจากผลลัพธ์ แต่สิ่งใดที่จะผิดไปได้หากไม่มี -algebrasσσ\sigmaσσ\sigma คำถามคือในประเภทใดของปัญหาความน่าจะเป็นความหมายของพื้นที่ความน่าจะเป็นรวมถึง - พีชคณิตกลายเป็นสิ่งจำเป็น?σσ\sigma เอกสารออนไลน์นี้บนเว็บไซต์ของมหาวิทยาลัย Dartmouthมีคำอธิบายที่ใช้ภาษาอังกฤษได้ง่าย แนวคิดนี้เป็นตัวชี้การหมุนทวนเข็มนาฬิกาในวงกลมของหน่วยปริมณฑล: เราเริ่มต้นด้วยการสร้างสปินเนอร์ซึ่งประกอบด้วยวงกลมของหน่วยรอบและตัวชี้ตามที่แสดงใน [รูป] รูป เราเลือกจุดบนวงกลมแล้วทำเครื่องหมายจากนั้นติดป้ายทุกจุดอื่นบนวงกลมด้วยระยะทางพูดจากถึงจุดนั้นวัดทวนเข็มนาฬิกา การทดสอบประกอบด้วยการหมุนตัวชี้และบันทึกฉลากของจุดที่ปลายตัวชี้ เราปล่อยให้ตัวแปรสุ่มแทนค่าของผลลัพธ์นี้ พื้นที่ตัวอย่างเป็นช่วงเวลาที่ชัดเจน000xxx000XXX[0,1)[0,1)[0,1). เราต้องการสร้างแบบจำลองความน่าจะเป็นที่แต่ละผลลัพธ์มีแนวโน้มที่จะเกิดขึ้นอย่างเท่าเทียมกัน หากเราดำเนินการตามที่เราทำ [... ] สำหรับการทดลองที่มีจำนวนผลลัพธ์ที่เป็นไปได้ จำกัด เราจะต้องกำหนดความน่าจะเป็นให้แต่ละผลลัพธ์เนื่องจากมิฉะนั้นผลรวมของความน่าจะเป็นเหนือผลลัพธ์ที่เป็นไปได้ทั้งหมดจะไม่ เท่ากับ 1 (อันที่จริงแล้วการรวมจำนวนจริงจำนวนที่นับไม่ได้เป็นธุรกิจที่ยุ่งยากโดยเฉพาะอย่างยิ่งเพื่อให้ผลรวมดังกล่าวมีความหมายใด ๆ โดยสรุปแล้วการสรุปจำนวนมากอาจแตกต่างจาก ) อย่างไรก็ตามถ้า …

21
ในแต่ละขั้นตอนของกระบวนการที่ไม่มีขีด จำกัด ให้ใส่ 10 ลูกในโกศแล้วลบออกโดยการสุ่ม เหลือลูกบอลกี่ลูก?
คำถาม (แก้ไขเล็กน้อย) จะเป็นดังนี้และหากคุณไม่เคยพบมาก่อนคุณสามารถตรวจสอบได้ในตัวอย่าง 6a บทที่ 2 ของหลักสูตรแรกของ Sheldon Ross ' A Probability : สมมติว่าเรามีโกศที่มีขนาดใหญ่มากและมีคอลเลกชันที่ไม่มีที่สิ้นสุดของลูกบอลที่มีป้ายหมายเลข 1 หมายเลข 2 หมายเลข 3 และอื่น ๆ พิจารณาการทดลองที่ดำเนินการดังต่อไปนี้: ที่ 1 นาทีถึง 12.00 น. ลูกบอลหมายเลข 1 ถึง 10 จะถูกวางในโกศและลูกบอลหนึ่งลูกออกโดยการสุ่ม (สมมติว่าการถอนออกใช้เวลาไม่นาน) เวลา 1/2 นาทีถึง 12.00 น. ลูกที่มีหมายเลข 11 ถึง 20 จะถูกวางในโกศและลูกบอลอื่นจะถูกนำออกโดยการสุ่ม ที่ 1/4 นาทีถึง 12P.M. ลูกบอลหมายเลข 21 ถึง …

9
ตัวอย่างเชิงตัวเลขเพื่อทำความเข้าใจเกี่ยวกับความคาดหวังสูงสุด
ฉันพยายามเข้าใจอัลกอริธึม EM อย่างดีเพื่อให้สามารถใช้งานและใช้งานได้ ฉันใช้เวลาทั้งวันในการอ่านทฤษฎีและกระดาษที่ EM ใช้ในการติดตามอากาศยานโดยใช้ข้อมูลตำแหน่งที่มาจากเรดาร์ สุจริตฉันไม่คิดว่าฉันเข้าใจความคิดพื้นฐานทั้งหมด ใครบางคนสามารถชี้ให้ฉันเป็นตัวอย่างของตัวเลขที่แสดงการวนซ้ำสองสาม (3-4) ของ EM สำหรับปัญหาที่ง่ายกว่า (เช่นการประมาณค่าพารามิเตอร์ของการแจกแจงแบบเกาส์หรือลำดับของชุดไซน์หรือปรับเส้นตรง) แม้ว่าใครบางคนสามารถชี้ให้ฉันเห็นชิ้นส่วนของรหัส (ด้วยข้อมูลสังเคราะห์) ฉันสามารถลองผ่านรหัสได้


16
ถ้าคน 900 คนจาก 1,000 คนบอกว่ารถยนต์เป็นสีน้ำเงินความน่าจะเป็นที่จะเป็นสีน้ำเงินคือเท่าไหร่
สิ่งนี้เกิดขึ้นจากการเชื่อมโยงงานบางอย่างที่เรากำลังทำกับแบบจำลองเพื่อจำแนกข้อความธรรมชาติ แต่ฉันได้ทำให้มันง่ายขึ้น ... อาจจะมากเกินไป คุณมีรถสีน้ำเงิน (โดยการวัดทางวิทยาศาสตร์บางอย่าง - เป็นสีน้ำเงิน) คุณแสดงให้คน 1,000 คนเห็น 900 บอกว่าเป็นสีฟ้า 100 อย่า คุณให้ข้อมูลนี้กับคนที่ไม่เห็นรถ สิ่งที่พวกเขารู้ก็คือคน 900 คนบอกว่าเป็นสีฟ้าและ 100 คนไม่ได้ คุณไม่รู้อะไรเกี่ยวกับคนเหล่านี้อีก (1,000 คน) จากสิ่งนี้คุณถามคน ๆ นั้นว่า "ความน่าจะเป็นที่รถสีฟ้าจะเป็นเท่าไหร่" สิ่งนี้ทำให้เกิดความคิดเห็นที่แตกต่างกันอย่างมากในหมู่ผู้ที่ฉันถาม! คำตอบที่ถูกต้องคืออะไรถ้ามี?
114 probability 

6
หากฉันมีโอกาส 58% ในการชนะหนึ่งแต้มโอกาสที่ฉันจะชนะเกมปิงปองถึง 21 ชนะด้วย 2 คืออะไร
ฉันมีการเดิมพันกับเพื่อนร่วมงานที่ออกจากเกมปิงปอง 50 เกม (ก่อนชนะ 21 คะแนนชนะ 2 คะแนน) ฉันจะชนะ 50 คะแนนจนถึงตอนนี้เราเล่น 15 เกมแล้วโดยเฉลี่ยฉันชนะ 58% ของ คะแนนรวมทั้งฉันชนะทุกเกมจนถึงตอนนี้ ดังนั้นเราจึงสงสัยว่าถ้าฉันมีโอกาส 58% ที่จะได้รับคะแนนและเขามีโอกาส 42% ที่จะได้รับคะแนนสิ่งที่เป็นโอกาสร้อยละที่ฉันจะชนะเกม มีสูตรที่เราสามารถเสียบโอกาส% ต่างกันได้หรือไม่? เราได้สำรวจและถามนักวิทยาศาสตร์ด้านข้อมูลที่ บริษัท ของเรา แต่ไม่พบคำตอบที่ตรง แก้ไข:ว้าวฉันปลิวไปด้วยการตอบสนองอย่างถี่ถ้วน ขอบคุณมาก ๆ เลย !!! ในกรณีที่ผู้คนอยากรู้อยากเห็นฉันได้รับการปรับปรุงวิธีการเดิมพันของฉัน: ตอนนี้ฉันชนะแล้ว 18 จาก 50 เกมดังนั้นฉันต้องชนะอีก 32 เกม ฉันได้รับคะแนน 58.7% จากคะแนนทั้งหมดและฝ่ายตรงข้ามของฉันได้รับคะแนน 41.3% ค่าเบี่ยงเบนมาตรฐานสำหรับคู่ต่อสู้ของฉันคือ 3.52 คะแนนเฉลี่ยของเขาคือ 14.83 และคะแนนเฉลี่ยของเขาคือ 15.50 …

5
“ โซลูชั่นแบบปิด” หมายความว่าอย่างไร
ฉันเจอคำว่า "วิธีแก้ปัญหาแบบปิด" ค่อนข้างบ่อย โซลูชันแบบปิดหมายความว่าอย่างไร วิธีการหนึ่งที่กำหนดว่ามีวิธีการแก้ปัญหาแบบปิดสำหรับปัญหาที่กำหนด? การค้นหาออนไลน์ฉันพบข้อมูลบางอย่าง แต่ไม่มีสิ่งใดในบริบทของการพัฒนาตัวแบบ / วิธีแก้ปัญหาเชิงสถิติหรือความน่าจะเป็น ฉันเข้าใจความถดถอยเป็นอย่างดีดังนั้นหากมีใครสามารถอธิบายแนวคิดโดยอ้างอิงจากการถดถอยหรือการปรับตัวแบบมันจะง่ายต่อการบริโภค :)

9
ความน่าจะเป็นของเหตุการณ์ในอนาคตเดียวในชีวิตจริง: หมายความว่าอย่างไรเมื่อพวกเขาพูดว่า“ ฮิลลารีมีโอกาสชนะ 75%”
เนื่องจากการเลือกตั้งเป็นเหตุการณ์ครั้งเดียวจึงไม่ใช่การทดลองที่สามารถทำซ้ำได้ ดังนั้นคำว่า "ฮิลลารีมีโอกาสชนะ 75%" ในทางเทคนิคหมายความว่าอะไร? ฉันกำลังมองหาความหมายที่ถูกต้องทางสถิติไม่ใช่สิ่งที่เข้าใจง่ายหรือเป็นแนวคิด ฉันเป็นแฟนสถิติมือสมัครเล่นที่พยายามตอบคำถามนี้ที่เกิดขึ้นในการสนทนา ฉันค่อนข้างมั่นใจว่ามีการตอบสนองตามวัตถุประสงค์ที่ดี แต่ฉันไม่สามารถทำได้ด้วยตัวเอง ...

3
ตัวอย่าง: การถดถอย LASSO โดยใช้ glmnet สำหรับผลลัพธ์ไบนารี
ฉันเริ่มตะลุยกับการใช้งานglmnetกับการถดถอยแบบ LASSOซึ่งผลลัพธ์ของความสนใจของฉันนั้นเป็นแบบขั้วคู่ ฉันได้สร้างกรอบข้อมูลจำลองขนาดเล็กด้านล่าง: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, 0.91, 0.29, 0.88) m_edu <- c(0, 1, 1, 2, 2, 3, 2, 0, 1) p_edu <- c(0, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

10
มีพื้นฐานทางคณิตศาสตร์สำหรับการถกเถียงแบบเบย์กับการถกเถียงกันบ่อยๆหรือไม่?
มันพูดในWikipediaว่า: คณิตศาสตร์ [ของความน่าจะเป็น] ส่วนใหญ่เป็นอิสระจากการตีความความน่าจะเป็นใด ๆ คำถาม:แล้วถ้าเราต้องการที่จะมีความถูกต้องทางคณิตศาสตร์ไม่ควรที่เราไม่อนุญาตใด ๆความหมายของความน่าจะเป็น? คือทั้งแบบเบย์และความถี่ที่ไม่ถูกต้องทางคณิตศาสตร์? ฉันไม่ชอบปรัชญา แต่ฉันชอบวิชาคณิตศาสตร์และฉันต้องการทำงานเฉพาะภายในกรอบของสัจพจน์ของ Kolmogorov หากนี่คือเป้าหมายของฉันควรปฏิบัติตามสิ่งที่กล่าวไว้ใน Wikipedia ว่าฉันควรปฏิเสธทั้ง Bayesianism และบ่อยครั้งหรือไม่ หากแนวคิดมีปรัชญาล้วนๆและไม่ใช่คณิตศาสตร์เลยทำไมพวกเขาจึงปรากฏเป็นสถิติตั้งแต่แรก? ความเป็นมา / บริบท: โพสต์บล็อกนี้ไม่ได้พูดเหมือนกัน แต่มันก็เถียงว่าการพยายามจำแนกเทคนิคเป็น "Bayesian" หรือ "บ่อยครั้ง" นั้นตอบโต้จากมุมมองเชิงปฏิบัติ หากการอ้างอิงจาก Wikipedia เป็นจริงดูเหมือนว่าจากมุมมองทางปรัชญาที่พยายามจำแนกวิธีการทางสถิติก็เป็นวิธีที่มีประสิทธิผลเช่นกันหากวิธีการทางคณิตศาสตร์นั้นถูกต้องก็จะใช้วิธีการเมื่อสมมติฐานของคณิตศาสตร์พื้นฐาน ถือมิฉะนั้นหากไม่ถูกต้องทางคณิตศาสตร์หรือหากสมมติฐานไม่ได้ถือไว้ก็ไม่สามารถใช้งานได้ ในทางกลับกันผู้คนจำนวนมากดูเหมือนจะระบุ "การอนุมานแบบเบย์" ด้วยทฤษฎีความน่าจะเป็น (เช่นสัจพจน์ของ Kolmogorov) แม้ว่าฉันจะไม่แน่ใจว่าทำไม ตัวอย่างบางส่วนเป็นบทความของ Jaynes เกี่ยวกับการอนุมานแบบเบย์ที่เรียกว่า "ความน่าจะเป็น" เช่นเดียวกับหนังสือของ James Stone "กฎของ Bayes '" ดังนั้นถ้าฉันใช้การเรียกร้องเหล่านี้ตามมูลค่าหน้าตัวนั่นก็หมายความว่าฉันควรจะชอบลัทธิเบย์มากกว่า อย่างไรก็ตามหนังสือของ Casella และ …

6
การบรรจบกันของความน่าจะเป็นเทียบกับการบรรจบกันเกือบ
ฉันไม่เคยหาความแตกต่างระหว่างการบรรจบกันทั้งสองแบบนี้ (หรืออันที่จริงแล้วการบรรจบกันชนิดต่าง ๆ แต่ฉันพูดถึงสองสิ่งนี้โดยเฉพาะอย่างยิ่งเนื่องจากกฎที่อ่อนแอและแข็งแกร่งของคนจำนวนมาก) แน่นอนฉันสามารถอ้างอิงคำนิยามของแต่ละคนและยกตัวอย่างที่พวกเขาต่างกัน แต่ฉันก็ยังไม่ค่อยเข้าใจ เป็นวิธีที่ดีในการเข้าใจความแตกต่างอะไร ทำไมความแตกต่างจึงสำคัญ มีตัวอย่างที่น่าจดจำโดยเฉพาะอย่างยิ่งที่พวกเขาแตกต่างกันอย่างไร

9
แผนภูมินี้แสดงแนวโน้มของการโจมตีของผู้ก่อการร้ายที่เป็นประโยชน์หรือไม่?
ฉันเห็นภาพนี้ผ่านไปมาก ฉันมีความรู้สึกว่าข้อมูลที่ให้ในลักษณะนี้ไม่สมบูรณ์หรือผิดพลาด แต่ฉันไม่มีประสบการณ์เพียงพอในสถิติที่จะตอบสนอง มันทำให้ฉันคิดว่าการ์ตูน xkcdนี้ถึงแม้จะมีข้อมูลทางประวัติศาสตร์ที่แข็งแกร่งบางสถานการณ์ก็สามารถเปลี่ยนวิธีการทำนายสิ่งต่าง ๆ ได้ แผนภูมินี้ตามที่นำเสนอมีประโยชน์สำหรับการแสดงระดับภัยคุกคามจากผู้ลี้ภัยอย่างถูกต้องหรือไม่ มีบริบททางสถิติที่จำเป็นที่ทำให้แผนภูมินี้มีประโยชน์มากขึ้นหรือน้อยลง? หมายเหตุ: พยายามเก็บไว้ในเงื่อนไขของคนธรรมดา :)

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.