คำถามติดแท็ก probability

สถิติการประมวลผลรูปภาพทั่วไปคือการใช้คุณสมบัติพื้นผิวของHaralickซึ่งก็คือ 14 ฉันสงสัยเกี่ยวกับคุณลักษณะที่ 14 ของเหล่านี้: เนื่องจากแผนที่ adjacency (ซึ่งเราสามารถดูการกระจายเชิงประจักษ์ของจำนวนเต็มสองจำนวนi , j &lt; 256 ), มันถูกนิยามเป็น: สแควร์รูทของ eigenvalue ที่สองของ , โดยที่คือ:PPPฉัน, j &lt; 256i,j&lt;256i,j < 256QQQQQQ Qฉันเจ= ∑kP( ฉัน, k ) P( j , k )[ ∑xP( x , i ) ] [ ∑YP( k , y) ]Qij=∑kP(i,k)P(j,k)[∑xP(x,i)][∑yP(k,y)]Q_{ij} = \sum_k \frac{ P(i,k) …

11 probability  computational-statistics 

ปิด คำถามนี้เป็นคำถามความคิดเห็นตาม ไม่ยอมรับคำตอบในขณะนี้ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้สามารถตอบข้อเท็จจริงและการอ้างอิงได้โดยแก้ไขโพสต์นี้ ปิดให้บริการใน7 เดือนที่ผ่านมา พื้นหลัง ฉันอ่านเกี่ยวกับStatProb.comจากความคิดเห็นในบล็อกแอนดรู Gelman ของ ตามเว็บไซต์ StatProb คือ: StatProb: สารานุกรมที่สนับสนุนโดยสถิติและความน่าจะเป็นสังคมรวมข้อดีของ wikis แบบดั้งเดิม (สิ่งพิมพ์ที่รวดเร็วและทันสมัย, การพัฒนาที่ผู้ใช้สร้างขึ้น, การเชื่อมโยงหลายมิติและประวัติที่บันทึกไว้) กับการเผยแพร่แบบดั้งเดิม (การประกันคุณภาพการตรวจสอบ และการแสดงข้อมูลที่มีโครงสร้าง) ผลงานทั้งหมดได้รับการอนุมัติจากคณะกรรมการบรรณาธิการที่กำหนดโดยสมาคมสถิติชั้นนำ สมาชิกคณะบรรณาธิการจะอยู่ในหน้าเกี่ยวกับ ฉันไม่ใช่นักสถิติ แต่ฉันใช้สถิติและเว็บไซต์นี้เสนอโอกาสให้ฉันเผยแพร่เนื้อหาที่ในขณะที่อาจเป็นประโยชน์ต่อผู้อื่นอาจมีการเผยแพร่ไม่ได้จนกว่าฉันจะรวมไว้เป็นภาคผนวกหรือโพสต์ไว้บนเว็บไซต์ ตัวเลือกน่าสนใจเพราะกระบวนการตรวจสอบจะช่วยเพิ่มความมั่นใจในวิธีการที่ฉันใช้และให้ความน่าเชื่อถือในพื้นที่สาธารณะ แม้จะมีการสนับสนุนจากสถิติที่สำคัญและสังคมน่าจะเป็น แต่เว็บไซต์ก็ยังไม่ได้รับการแก้ไข อันที่จริงหนึ่งบล็อกเกอร์ถาม 'RIP StatProb?' และความถี่ของการบริจาคลดลงตามกาลเวลา คำถาม: คุ้มค่ากับความพยายามในการเผยแพร่ผ่าน StatProb.com หรือไม่ ปรับปรุง: ณ วันนี้ (2012-02-01) ผลงานล่าสุดคือ2011-05-04 ; การแก้ไขล่าสุด 2011-06 ดังนั้นวันนี้จึงดูน่าดึงดูดน้อยกว่าเมื่อก่อนถามคำถาม

11 probability  references  methodology 

เป็นวิธีที่ดีที่สุดที่จะใกล้เคียงกับสำหรับจำนวนเต็มสองจำนวนที่กำหนดเมื่อคุณรู้ว่าหมายถึงแปรปรวนเบ้และโด่งเกินของการกระจายต่อเนื่องและเป็นที่ชัดเจนจากการวัดรูปร่างและ (ไม่ใช่ศูนย์) ที่การประมาณปกติไม่เหมาะสมหรือไม่ม. , n μ σ 2 γ 1 γ 2 X γ 1 γ 2Pr[n≤X≤m]Pr[n≤X≤m]Pr[n \leq X \leq m]m,nm,nm,nμμ\muσ2σ2\sigma^2γ1γ1\gamma_1γ2γ2\gamma_2XXXγ1γ1\gamma_1γ2γ2\gamma_2 ปกติฉันจะใช้การประมาณค่าปกติกับการแก้ไขจำนวนเต็ม ... Pr[(n−½)≤X≤(m+½)]=Pr[(n−½)−μσ≤Z≤(m+½)−μσ]=Φ((m+½)−μσ)−Φ((n−½)−μσ)Pr[(n−½)≤X≤(m+½)]=Pr[(n−½)−μσ≤Z≤(m+½)−μσ]=Φ((m+½)−μσ)−Φ((n−½)−μσ)Pr[(n - \text{½})\leq X \leq (m + \text{½})] = Pr[\frac{(n - \text{½})-\mu}{\sigma}\leq Z \leq \frac{(m + \text{½})-\mu}{\sigma}] = \Phi(\frac{(m + \text{½})-\mu}{\sigma}) - \Phi(\frac{(n - \text{½})-\mu}{\sigma}) ... ถ้าความเบ้และความโด่งเกินเป็น …

11 probability  distributions  moments  approximation  saddlepoint-approximation 

สำหรับการแจกแจงแบบแยกสองและข้ามเอนโทรปีจะถูกกำหนดเป็นqพีppQqq H( p , q) = - ∑xp ( x ) บันทึกQ( x )H(p,q)=−∑xp(x)log⁡q(x).H(p,q)=-\sum_x p(x)\log q(x). ฉันสงสัยว่าทำไมนี่เป็นการวัดระยะทางแบบง่าย ๆ ระหว่างการแจกแจงความน่าจะเป็นสองแบบ? ผมเห็นว่าเป็นเอนโทรปีของซึ่งมาตรการ "แปลกใจ" ของพีเป็นตัวชี้วัดที่ส่วนหนึ่งแทนที่โดยQฉันยังไม่เข้าใจความหมายที่เข้าใจง่ายที่อยู่เบื้องหลังคำจำกัดความp p H ( p , q ) p qH( p , p )H(พี,พี)H(p,p)พีพีpพีพีpH( p , q)H(พี,Q)H(p,q)พีพีpQQq

11 probability  distributions  cross-entropy 

ฉันมีปัญหาคล้ายกับคำถามที่ถามที่นี่: เราวัดความไม่สม่ำเสมอของการแจกแจงได้อย่างไร ฉันมีชุดการแจกแจงความน่าจะเป็นในแต่ละวันของสัปดาห์ ฉันต้องการวัดว่าการกระจายแต่ละครั้งนั้นใกล้กับเท่าไหร่ (1 / 7,1 / 7, ... , 1/7) ตอนนี้ฉันใช้คำตอบจากคำถามข้างต้น L2-Norm ซึ่งมีค่า 1 เมื่อการแจกแจงมีมวล 1 เป็นเวลาหนึ่งวันและจะลดลงสำหรับ (1 / 7,1 / 7, 7, ... , 1/7) ฉันกำลังขยายขนาดเชิงเส้นนี้อยู่ระหว่าง 0 ถึง 1 จากนั้นจึงพลิกมัน 0 หมายความว่าไม่สม่ำเสมออย่างสมบูรณ์และ 1 หมายถึงชุดที่สมบูรณ์แบบ มันใช้งานได้ดี แต่ฉันมีปัญหาหนึ่งเรื่อง มันปฏิบัติต่อทุก ๆ วันทำงานอย่างเท่าเทียมกันเป็นมิติหนึ่งในพื้นที่ 7-Dim ดังนั้นจึงไม่ได้คำนึงถึงความใกล้ชิดของวัน กล่าวอีกนัยหนึ่งก็ให้คะแนนเดียวกันกับ (1 / 2,1 / 2,0,0,0,0,0) …

11 probability  distributions  random-variable  uniform  measurement 

ดังนั้นฉันรู้ว่าถ้าเราต้องการหาการแจกแจงความน่าจะเป็นของผลรวมของตัวแปรสุ่มอิสระX+YX+YX + Yเราสามารถคำนวณได้จากการแจกแจงความน่าจะเป็นของXXXและYYYโดยการพูดว่า fX+Y(a)=∫∞x=−∞fX,Y(X=x,Y=a−x) dx=∫∞x=−∞fX(x)fY(a−x) dxfX+Y(a)=∫x=−∞∞fX,Y(X=x,Y=a−x) dx=∫x=−∞∞fX(x)fY(a−x) dxf_{X + Y}(a) = \int_{x = -\infty}^{\infty} f_{X, Y}(X = x, Y = a - x)~dx = \int_{x = -\infty}^{\infty} f_X(x) f_Y(a - x)~dx สังหรณ์ใจนี้ทำให้รู้สึกเพราะถ้าเราต้องการที่จะหาโอกาสที่สองตัวแปรสุ่มรวมไปก็พื้นผลรวมของความน่าจะเป็นของเหตุการณ์ทั้งหมดที่นำไปสู่ข้อสรุปตัวแปรเหล่านั้นไป แต่ฉันจะพิสูจน์ข้อความนี้อย่างเป็นทางการได้อย่างไร?aaaaaa

11 probability 

ฉันมีสแควร์ 2 มิติและมีชุดของจุดอยู่ข้างในนั้นพูด 1,000 จุด ฉันต้องการวิธีที่จะดูว่าการกระจายของจุดภายในจัตุรัสนั้นกระจายออกไป (หรือมากกว่าหรือน้อยกว่าการกระจายอย่างสม่ำเสมอ) หรือพวกเขามีแนวโน้มที่จะรวมตัวกันในบางจุดภายในจัตุรัส ฉันต้องการวิธีการทางคณิตศาสตร์ / สถิติ (ไม่ใช่การเขียนโปรแกรม) เพื่อตรวจสอบสิ่งนี้ ฉัน googled พบสิ่งที่ชอบความดีของ Kolmogorov และอื่น ๆ และเพียงแค่สงสัยว่ามีวิธีการอื่นเพื่อให้บรรลุนี้ ต้องการสิ่งนี้สำหรับกระดาษสำหรับชั้นเรียน อินพุต: จตุรัส 2D และ 1,000 คะแนน เอาท์พุท: ใช่ / ไม่ (ใช่ = กระจายออกไปอย่างสม่ำเสมอไม่ = รวมตัวกันในบางจุด)

11 distributions  probability  spatial  point-process 

ที่นี่ "น้ำหนักของหลักฐาน" (WOE) เป็นคำทั่วไปในวรรณคดีทางวิทยาศาสตร์และนโยบายการตีพิมพ์ที่พบบ่อยที่สุดในบริบทของการประเมินความเสี่ยงที่กำหนดโดย: W ( e : h ) = บันทึกพี ( e | h )พี ( e | h¯¯¯)w(e:h)=log⁡p(e|h)p(e|h¯)w(e : h) = \log\frac{p(e|h)}{p(e|\overline{h})} โดยที่คือหลักฐานhอีeeชั่วโมงhhคือสมมุติฐาน ตอนนี้ฉันต้องการทราบว่าอะไรคือความแตกต่างที่สำคัญกับ PMI (ข้อมูลร่วมกันแบบจุด) p m i ( e , h ) = บันทึกp ( e , h )p ( e ) ∗ p ( …

11 probability  bayesian  mutual-information 

โปรดแสดงหลักฐานว่านูน∀x&gt;0 ที่นี่ϕและΦเป็น PDF ปกติมาตรฐานและ CDF ตามลำดับQ ( x ) = x2+ x ϕ ( x )Φ ( x )Q(x)=x2+xϕ(x)Φ(x)Q\left(x\right)=x^{2}+x\frac{\phi\left(x\right)}{\Phi\left(x\right)}∀ x &gt; 0∀x&gt;0\forall x>0 φϕ\phiΦΦ\mathbf{\Phi} ขั้นตอนที่ลอง 1) วิธีการคำนวณ ฉันได้ลองวิธีแคลคูลัสและมีสูตรสำหรับ derivate ที่สอง แต่ผมไม่สามารถที่จะแสดงให้เห็นว่ามันเป็นบวก∀ x &gt; 0∀x&gt;0\forall x > 0 0โปรดแจ้งให้เราทราบหากคุณต้องการรายละเอียดเพิ่มเติม สุดท้าย ∂Q(x)ให้ Q ( x ) = x2+ x ϕ ( x …

10 probability  self-study 

สมมติว่าXXXและYYYเป็น bivariate ปกติโดยมีค่าเฉลี่ยμ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2)และความแปรปรวนร่วม Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix}{bmatrix} ความน่าจะเป็นคืออะไรPr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?

10 probability  normal-distribution  conditional-probability 

ฉันรู้สึกทึ่งมากกับคำตอบที่นี่ ฉันต้องการคำอธิบายเพิ่มเติมเกี่ยวกับความน่าจะเป็นในเชิงลบที่อาจหมายถึงและแอปพลิเคชันของพวกเขาซึ่งอาจเป็นตัวอย่าง ตัวอย่างเช่นความหมายของเหตุการณ์ที่มีความน่าจะเป็น -10% เป็นไปตามการวัดความน่าจะเป็นแบบขยายเหล่านี้หรือไม่

10 probability 

พิจารณาErdos-Renyiสุ่มกราฟ(P)) ชุดของจุดจะมีป้ายโดย\} ชุดของขอบถูกสร้างขึ้นโดยกระบวนการสุ่มn V V = { 1 , 2 , … , n } EG=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p))nnnVVVV={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\}EEE ให้เป็นความน่าจะเป็นจากนั้นแต่ละคู่ที่ไม่เรียงลำดับของจุดยอด ( ) เกิดขึ้นเป็นขอบในกับความน่าจะเป็นโดยไม่ขึ้นอยู่กับคู่อื่น ๆ0 &lt; p &lt; 1 { i , j } i ≠ j E pppp0&lt;p&lt;10&lt;p&lt;10<p<1{i,j}{i,j}\{i,j\}i≠ji≠ji \neq jEEEppp รูปสามเหลี่ยมในเป็นสามส่วนที่ไม่ได้เรียงลำดับของจุดยอดที่ชัดเจนเช่น , , และอยู่ในขอบ .{ i , j , k } …

10 probability  distributions  binomial  graph-theory 

ความน่าจะเป็นตามจริงตามจริงคือฟังก์ชันที่กำหนดจำนวนจริงให้กับแต่ละเหตุการณ์หากเป็นไปตามสมมติฐานพื้นฐานสามข้อ (สมมติฐานของ Kolmogorov):P ( A ) APPPP( A )P(A)P(A)AAA P( A ) ≥ 0 สำหรับทุก ๆA P(A)≥0 for everyAP(A) \geq 0 \ \text{for every} A P( Ω ) = 1P(Ω)=1P(\Omega) = 1 ถ้าA 1,2แล้ว⋯ ไม่ปะติดปะต่อกันP( ⋃∞i = 1Aผม) = ∑i = 1∞P( กผม)If A1,A2,⋯are disjoint, thenP(⋃i=1∞Ai)=∑i=1∞P(Ai)\text{If} \ A_1, A_2, \cdots …

10 probability  kolmogorov-axioms 

สมมติว่าเรามีตัวแปรสุ่ม 3 ตัวคือและเรารู้ว่าการกระจายตัวแบบคู่แบบแต่เราไม่รู้อะไรเลย (เช่น ตามเงื่อนไขความเป็นอิสระ) เราจะได้การแจกแจงร่วมกันไหม?X1, X2, X3X1,X2,X3X_1,X_2,X_3P( X1, X2) , P( X2, X3) , P( X3, X1)P(X1,X2),P(X2,X3),P(X3,X1)P(X_1,X_2), P(X_2,X_3), P(X_3,X_1)P( X1, X2, X3)P(X1,X2,X3)P(X_1,X_2,X_3)

10 probability  distributions 

เมื่อพูดถึงอัตราความสำเร็จของงานมีวิธีใดที่จะแสดงให้เห็นว่า 0 จาก 20 ครั้งคือ "แย่ลง" มากกว่า 0 จาก 10 ครั้ง?

10 probability  sampling