คำถามติดแท็ก stochastic-processes

ฉันเจอคำว่า "วิธีแก้ปัญหาแบบปิด" ค่อนข้างบ่อย โซลูชันแบบปิดหมายความว่าอย่างไร วิธีการหนึ่งที่กำหนดว่ามีวิธีการแก้ปัญหาแบบปิดสำหรับปัญหาที่กำหนด? การค้นหาออนไลน์ฉันพบข้อมูลบางอย่าง แต่ไม่มีสิ่งใดในบริบทของการพัฒนาตัวแบบ / วิธีแก้ปัญหาเชิงสถิติหรือความน่าจะเป็น ฉันเข้าใจความถดถอยเป็นอย่างดีดังนั้นหากมีใครสามารถอธิบายแนวคิดโดยอ้างอิงจากการถดถอยหรือการปรับตัวแบบมันจะง่ายต่อการบริโภค :)

82 regression  machine-learning  probability  terminology  stochastic-processes 

การเดินแบบสุ่มที่กำหนดเป็นโดยที่เป็นเสียงสีขาว แสดงว่าตำแหน่งปัจจุบันคือผลรวมของตำแหน่งก่อนหน้า + คำที่ไม่ถูกคาดการณ์Yเสื้อ= Yt - 1+ eเสื้อYเสื้อ=Yเสื้อ-1+อีเสื้อY_{t} = Y_{t-1} + e_tอีเสื้ออีเสื้อe_t คุณสามารถพิสูจน์ได้ว่าฟังก์ชันค่าเฉลี่ยเนื่องจากμเสื้อ= 0μเสื้อ=0\mu_t = 0 E( Yเสื้อ) = E( e1+ e2+...+et)=E(e1)+E(e2)+...+E(et)=0+0+...+0E(Yเสื้อ)=E(อี1+อี2+...+อีเสื้อ)=E(อี1)+E(อี2)+...+E(อีเสื้อ)=0+0+...+0E(Y_{t}) = E(e_1+ e_2+ ... +e_t) = E(e_1) + E(e_2) +... +E(e_t) = 0 + 0 + ... + 0 แต่ทำไมความแปรปรวนเพิ่มขึ้นเป็นเส้นตรงตามเวลา? สิ่งนี้มีบางอย่างที่เกี่ยวกับการไม่สุ่ม "บริสุทธิ์" เนื่องจากตำแหน่งใหม่มีความสัมพันธ์กับตำแหน่งก่อนหน้าหรือไม่ แก้ไข: ตอนนี้ฉันมีความเข้าใจที่ดีขึ้นมากโดยการเห็นภาพตัวอย่างของการเดินสุ่มขนาดใหญ่และที่นี่เราสามารถสังเกตได้อย่างง่ายดายว่าความแปรปรวนโดยรวมเพิ่มขึ้นเมื่อเวลาผ่านไป และค่าเฉลี่ยก็ประมาณตามคาด บางทีนี่อาจเป็นเรื่องเล็กน้อยเนื่องจากในช่วงแรก ๆ …

28 time-series  self-study  mathematical-statistics  stochastic-processes  random-walk 

กระบวนการสุ่มเป็นกระบวนการที่วิวัฒนาการไปตามกาลเวลาดังนั้นมันจึงเป็นวิธีที่ดีกว่าในการพูดว่า "อนุกรมเวลา" หรือไม่?

27 time-series  stochastic-processes  definition 

กล่าวอีกนัยหนึ่งตาม p ต่อไปนี้คืออะไร? เพื่อที่จะทำให้นี่เป็นปัญหาทางคณิตศาสตร์มากกว่ามานุษยวิทยาหรือสังคมศาสตร์และเพื่อทำให้ปัญหาง่ายขึ้นสมมติว่าเพื่อนถูกเลือกด้วยความน่าจะเป็นที่เท่าเทียมกันทั่วทั้งประชากรยกเว้นว่าพี่น้องและลูกพี่ลูกน้องแรกไม่เคยผสมพันธุ์กัน รุ่น n1n1n_1 - ประชากรเริ่มต้น ggg - จำนวนรุ่น ccc - จำนวนเด็กโดยเฉลี่ยต่อคู่ (หากจำเป็นสำหรับคำตอบสมมติว่าทุกคู่มีจำนวนลูกเท่ากันทุกประการ) zzz - เปอร์เซ็นต์ของผู้ที่ไม่มีลูกและไม่ถือว่าเป็นส่วนหนึ่งของคู่รัก n2n2n_2 - ประชากรในรุ่นสุดท้าย (ควรได้รับn2n2n_2หรือzzzและ (ฉันคิดว่า) อีกอันสามารถคำนวณได้) ppp - ความน่าจะเป็นของใครบางคนในรุ่นสุดท้ายเป็นผู้สืบทอดของบุคคลใดบุคคลหนึ่งในรุ่นแรก แน่นอนว่าตัวแปรเหล่านี้สามารถเปลี่ยนแปลงละเว้นหรือเพิ่มเข้ามาได้ ฉันกำลังสมมติว่าความเรียบง่ายที่cccและzzzไม่เปลี่ยนแปลงตลอดเวลา ฉันรู้นี้จะได้รับมากประมาณการคร่าวๆ แต่ก็เป็นจุดเริ่มต้น ส่วนที่ 2 (ข้อเสนอแนะสำหรับการวิจัยเพิ่มเติม): คุณจะพิจารณาได้อย่างไรว่าเพื่อน ๆ จะไม่ถูกเลือกด้วยความน่าจะเป็นที่เหมือนกันทั่วโลก? ในความเป็นจริงเพื่อนมีแนวโน้มที่จะมีพื้นที่ทางภูมิศาสตร์เดียวกันภูมิหลังทางเศรษฐกิจและสังคมการแข่งขันและภูมิหลังทางศาสนา หากไม่มีการศึกษาความน่าจะเป็นที่แท้จริงของสิ่งนี้แล้วตัวแปรสำหรับปัจจัยเหล่านี้จะเข้ามาเล่นได้อย่างไร สิ่งนี้สำคัญขนาดไหน?

26 probability  stochastic-processes  genetics 

โดยได้รับแรงบันดาลใจจากคำปราศรัยของ Peter Donnelly ที่TEDซึ่งเขากล่าวถึงว่าต้องใช้เวลานานเท่าใดในการที่รูปแบบบางอย่างจะปรากฏในชุดเหรียญโยนฉันสร้างสคริปต์ต่อไปนี้ใน R. ด้วยรูปแบบสอง 'hth' และ 'htt' คำนวณระยะเวลาเฉลี่ย (เช่นจำนวนเหรียญที่โยน) โดยเฉลี่ยก่อนที่คุณจะเข้าสู่หนึ่งในรูปแบบเหล่านี้ coin <- c('h','t') hit <- function(seq) { miss <- TRUE fail <- 3 trp <- sample(coin,3,replace=T) while (miss) { if (all(seq == trp)) { miss <- FALSE } else { trp <- c(trp[2],trp[3],sample(coin,1,T)) fail <- fail + 1 …

26 r  probability  stochastic-processes 

ยกตัวอย่างเช่นฟุตบอล (ฟุตบอล) มี 3 ผลลัพธ์ที่เป็นไปได้, เจ้าบ้านชนะ, เสมอ, ชนะและชนะ ฉันใช้เกมสุ่มจาก bet365 Turkey vs Ukraine hwin, draw, awin 2.20 3.40 3.20 ดังนั้นสำหรับการลงทุน 100 $ผลให้คุณอาจหลวม 100 $หรือชนะ: 220 $ 340 $ 320 $ การประเมินความน่าจะเป็นของพวกเขาไม่ได้เพิ่มขึ้น 100% พวกเขาใช้เวลาเพิ่ม 5% -12% แต่พวกเขามาถึงตัวเลขเหล่านี้ได้อย่างไร (2.20, 3.40, 3.20) มันเป็นรูปแบบการเดิมพันของคนที่เดิมพันเช่นถ้า 90% ของคนใส่เงินในตุรกีhwinสัมประสิทธิ์จะลดลงหรือเป็นการคำนวณบางอย่าง? ปัญหาเกี่ยวกับการคำนวณคือตัวอย่างไม่ดีทีมชาติเล่นเกมน้อยมากในระยะเวลานานระหว่างช่วงของทีมที่มีความแข็งแกร่งต่างกันพารามิเตอร์ภายนอกจำนวนมากมีส่วนร่วมเช่นการบาดเจ็บรูปแบบปัจจุบันและแรงจูงใจของผู้เล่นแต่ละคนเป็นต้น . กลยุทธ์ของพวกเขาสำหรับการแข่งขันชิงแชมป์แห่งชาติมีความแตกต่างกันอย่างไรคุณสามารถค้นหาระเบียบได้มากขึ้นเนื่องจากเกมมีการเล่นบ่อยครั้งมากขึ้นแม้ว่าเกมลีกระดับชาติ 4 รายการต่อเดือนนั้นไม่มากนัก (และยังเล่นที่บ้าน / ออกไปด้วย …

25 probability  stochastic-processes 

เร็ว ๆ นี้ผมวิ่งข้ามเอกสารหลายและแหล่งข้อมูลออนไลน์ที่กล่าวถึงเกรนเจอร์เวรกรรม การสืบค้นสั้น ๆ ผ่านบทความ Wikipedia ที่เกี่ยวข้องทำให้ฉันรู้สึกว่าคำนี้หมายถึงความเป็นเหตุเป็นผลในบริบทของอนุกรมเวลา (หรือโดยทั่วไปคือกระบวนการสโตคาสติก ) นอกจากนี้การอ่านโพสต์บล็อกที่ดีนี้สร้างความสับสนเพิ่มเติมเกี่ยวกับวิธีการดูวิธีการนี้ ฉันไม่ได้เป็นคนที่มีความรู้เกี่ยวกับเวรกรรมเพราะความเข้าใจที่คลุมเครือของฉันของแนวคิดประกอบด้วยสามัญสำนึกบางส่วน, ความรู้ทั่วไป , การสัมผัสกับการสร้างแบบจำลองตัวแปรแฝงและการสร้างแบบจำลองสมการโครงสร้าง (SEM)และอ่านบิตจากงานของจูเดียเพิร์ล causality - ไม่ใช่หนังสือของเขา แต่เพิ่มเติมตามแนวของกระดาษภาพรวมที่น่าสนใจโดย Pearl (2009) ซึ่งด้วยเหตุผลบางอย่างที่น่าประหลาดใจไม่ได้พูดถึงสาเหตุของ Granger เลย ในบริบทนี้ฉันสงสัยว่าGranger causalityเป็นอะไรที่มากกว่ากรอบเวลาแบบสุ่ม (stochastic) และถ้าเป็นเช่นนั้นความสัมพันธ์ (commonalities และความแตกต่าง) กับกรอบการทำงานเชิงสาเหตุของ Pearl หรือไม่ SCM)ซึ่งเท่าที่ผมเข้าใจคือในที่สุดก็ขึ้นอยู่กับกราฟโดยตรงวัฏจักร (DABs ความ)และcounterfactuals มันดูเหมือนว่าเวรกรรมเกรนเจอร์สามารถแบ่งได้เป็นวิธีการทั่วไปที่จะอนุมานสาเหตุสำหรับระบบพลวัตพิจารณาการดำรงอยู่ของแบบจำลองพลวัตเชิงสาเหตุ (DCM)วิธีการ (Chicharro & Panzeri, 2014) อย่างไรก็ตามความกังวลของฉันเกี่ยวกับว่า (และถ้าเป็นเช่นนั้นอย่างไร) มันเป็นไปได้ที่จะเปรียบเทียบทั้งสองวิธีซึ่งหนึ่งในนั้นขึ้นอยู่กับการวิเคราะห์กระบวนการสุ่มและอีกวิธีไม่ได้ โดยทั่วไปสิ่งที่คุณคิดว่าจะเป็นที่เหมาะสมวิธีการระดับสูง - ถ้าเป็นไปได้ - …

21 stochastic-processes  causality  granger-causality 

ฉันได้อ่านMaraun et al , "กระบวนการ Gaussian Nonstationary ในโดเมนเวฟเล็ต: การสังเคราะห์, การประมาณค่าและการทดสอบที่สำคัญ" (2007) ซึ่งกำหนดคลาสของ GP ที่ไม่คงที่ซึ่งสามารถระบุได้โดยตัวคูณในโดเมนเวฟเล็ต การตระหนักถึงหนึ่งใน GP ดังกล่าวคือ: ที่เป็นเสียงสีขาว,คือการแปลงเวฟเล็ตต่อเนื่องที่เกี่ยวข้องกับ wavelet ,เป็นตัวคูณ (kinda เช่นค่าสัมประสิทธิ์ฟูริเยร์) ที่มีขนาดและเวลาและเป็นผกผันแปลงเวฟเล็ตกับการฟื้นฟูเวฟชั่วโมงη ( t ) W g g m ( b , a ) a b M hชมs ( t ) = Mชั่วโมงm ( b , a ) Wก.η( …

20 normal-distribution  stochastic-processes  gaussian-process  fourier-transform  wavelet 

ฉันต้องการที่จะตัดสินใจว่าฉันควรเรียนหลักสูตรที่เรียกว่า "บทนำสู่กระบวนการที่มั่นคง" ซึ่งจะจัดขึ้นในภาคการศึกษาถัดไปในมหาวิทยาลัยของฉัน ฉันถามอาจารย์ว่าการเรียนหลักสูตรนี้จะช่วยฉันในฐานะนักสถิติได้อย่างไรเขาบอกว่าเนื่องจากเขามาจากความน่าจะเป็นเขารู้สถิติน้อยมากและไม่รู้วิธีตอบคำถามของฉัน ฉันสามารถคาดเดาได้อย่างไม่มีการศึกษาว่ากระบวนการสุ่มมีความสำคัญในสถิติ แต่ฉันก็อยากรู้ว่าจะรู้ได้อย่างไร นั่นคือในสาขา / วิธีใดความเข้าใจพื้นฐานใน "กระบวนการสุ่ม" จะช่วยให้ฉันทำสถิติได้ดีขึ้นหรือไม่

18 probability  stochastic-processes 

พิจารณาการเดินสุ่มจำนวนเต็มเริ่มต้นที่ 0 โดยมีเงื่อนไขดังต่อไปนี้: ขั้นตอนแรกคือบวกหรือลบ 1 ด้วยความน่าจะเป็นที่เท่ากัน ทุกขั้นตอนในอนาคตคือ: 60% มีแนวโน้มที่จะเป็นไปในทิศทางเดียวกันกับขั้นตอนก่อนหน้า 40% มีแนวโน้มที่จะเป็นไปในทิศทางตรงกันข้าม การกระจายแบบนี้ให้ผลเช่นไร? ฉันรู้ว่าการเดินสุ่มแบบไม่โมเมนตัมให้การแจกแจงแบบปกติ โมเมนตัมเปลี่ยนความแปรปรวนหรือเปลี่ยนธรรมชาติของการกระจายตัวทั้งหมดหรือไม่? ฉันกำลังมองหาคำตอบทั่วไปดังนั้นโดย 60% และ 40% ข้างต้นฉันหมายถึงpและ1-pจริงๆ

18 stochastic-processes  randomness  random-walk 

ฉันมีพื้นหลังปานกลางในการพยากรณ์อนุกรมเวลา ฉันได้ดูหนังสือพยากรณ์หลายเล่มและฉันไม่เห็นคำถามต่อไปนี้ในคำถามใด ๆ ฉันมีสองคำถาม: ฉันจะกำหนดอย่างเป็นกลาง (ผ่านการทดสอบทางสถิติ) ได้อย่างไรหากอนุกรมเวลาที่กำหนดมี: ฤดูสุ่มหรือฤดูกาลตามฤดูกาล Stochastic Trend หรือแนวโน้มที่กำหนด จะเกิดอะไรขึ้นถ้าฉันทำแบบจำลองอนุกรมเวลาของฉันเป็นแนวโน้ม / ฤดูกาลตามที่กำหนดเมื่อชุดมีองค์ประกอบสุ่มชัดเจน ความช่วยเหลือใด ๆ ที่ตอบคำถามเหล่านี้จะได้รับการชื่นชมอย่างมาก ข้อมูลตัวอย่างสำหรับแนวโน้ม: 7,657 5,451 10,883 9,554 9,519 10,047 10,663 10,864 11,447 12,710 15,169 16,205 14,507 15,400 16,800 19,000 20,198 18,573 19,375 21,032 23,250 25,219 28,549 29,759 28,262 28,506 33,885 34,776 35,347 34,628 33,043 30,214 …

16 time-series  forecasting  arima  stochastic-processes 

ใครช่วยอธิบายฉันด้วยวิธีที่เข้าใจง่ายว่าช่วงเวลาของห่วงโซ่มาร์คอฟคืออะไร? มันถูกกำหนดไว้ดังนี้: สำหรับทุกรัฐที่อยู่ในiiiSSS didid_i = gcd{n∈N|p(n)ii>0}=1{n∈N|pii(n)>0}=1\{n \in \mathbb{N} | p_{ii}^{(n)} > 0\} =1 Thank you for your effort!

16 stochastic-processes  markov-process 

ฉันมีตัวแปรสุ่มสองตัวโดยที่คือการกระจายแบบ 0-1U ( 0 , 1 )αi∼iid U(0,1),i=1,2αi∼iid U(0,1),i=1,2\alpha_i\sim \text{iid }U(0,1),\;\;i=1,2U(0,1)U(0,1)U(0,1) จากนั้นสิ่งเหล่านี้ให้กระบวนการพูดว่า: P( x ) = α1บาป( x ) + α2cos( x ) ,x∈(0,2π)P(x)=α1sin⁡(x)+α2cos⁡(x),x∈(0,2π)P(x)=\alpha_1\sin(x)+\alpha_2\cos(x), \;\;\;x\in (0,2\pi) ตอนนี้ฉันกำลังสงสัยว่ามีการแสดงออกในรูปแบบปิดสำหรับเชิงทฤษฎี 75 เปอร์เซ็นต์ quantile ของสำหรับ - ฉันคิดว่าฉันสามารถทำได้ด้วยคอมพิวเตอร์และการรับรู้จำนวนมากของแต่ฉันชอบรูปแบบปิด -P ( x ) x ∈ ( 0 , 2 π ) P ( x )F−1(P(x);0.75)F−1(P(x);0.75)F^{-1}(P(x);0.75)P(x)P(x)P(x)x∈(0,2π)x∈(0,2π)x\in(0,2\pi)P(x)P(x)P(x)

16 distributions  probability  stochastic-processes 

กระบวนการฮอว์คส์ชี้แจงที่ไม่แปรปรวนเป็นกระบวนการจุดที่น่าตื่นเต้นในตัวเองโดยมีอัตราการมาถึงของเหตุการณ์: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} ที่บางครั้งเหตุการณ์ที่เดินทางมาถึงt1,..tnt1,..tn t_1,..t_n ฟังก์ชันโอกาสในการบันทึกคือ −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum\limits_{i<j}{\ln(\mu+\alpha e^{-\beta(t_j-t_i)})} ซึ่งสามารถคำนวณซ้ำ: −tnμ+αβ∑(e−β(tn−ti)−1)+∑ln(μ+αR(i))−tnμ+αβ∑(e−β(tn−ti)−1)+∑ln⁡(μ+αR(i)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum{\ln(\mu+\alpha R(i))} R(i)=e−β(ti−ti−1)(1+R(i−1))R(i)=e−β(ti−ti−1)(1+R(i−1)) R(i) = e^{-\beta(t_i-t_{i-1})} (1+R(i-1)) R(1)=0R(1)=0 R(1) = 0 ฉันสามารถใช้วิธีการเชิงตัวเลขใดเพื่อค้นหา MLE วิธีการปฏิบัติที่ง่ายที่สุดที่จะใช้คืออะไร?

16 maximum-likelihood  stochastic-processes  likelihood 

ความแตกต่างระหว่างเชนมาร์คอฟและกระบวนการมาร์คอฟคืออะไร? ฉันกำลังอ่านข้อมูลที่ขัดแย้งกัน: บางครั้งคำจำกัดความขึ้นอยู่กับว่าพื้นที่ของรัฐนั้นไม่ต่อเนื่องหรือต่อเนื่องและบางครั้งก็ขึ้นอยู่กับว่าเวลานั้นไม่ต่อเนื่องหรือไม่ สไลด์ 20 ของเอกสารนี้ : กระบวนการมาร์คอฟเรียกว่าห่วงโซ่มาร์คอฟหากพื้นที่รัฐไม่ต่อเนื่องนั่นคือพื้นที่ จำกัด หรือนับไม่ได้คือไม่ต่อเนื่องกล่าวคือ จำกัด หรือนับได้ http://www.win.tue.nl/~iadan/que/h3.pdf : กระบวนการมาร์คอฟเป็นห่วงโซ่มาร์คอฟรุ่นต่อเนื่อง หรือสามารถใช้กระบวนการลูกโซ่มาร์คอฟและมาร์คอฟแบบพ้องกันโดยกำหนดว่าพารามิเตอร์เวลานั้นต่อเนื่องหรือไม่ต่อเนื่องรวมทั้งพื้นที่รัฐนั้นต่อเนื่องหรือไม่ต่อเนื่อง ปรับปรุง 2017-03-04: คำถามเดียวกันถูกถามในhttps://www.quora.com/Can-I-use-the-words-Markov-process-and-Markov-chain-interchangeably

16 terminology  stochastic-processes  markov-process