¿Hay alguna explicación intuitiva para esta terminología? ¿Por qué es así, y no los predictores regresan sobre el resultado? Idealmente, espero que una explicación adecuada de por qué existe esta terminología ayudará a los estudiantes a recordarla y les impedirá decirla al...
( Publicado originalmente en MSE). He visto muchas discusiones heurísticas del teorema clásico del límite central que hablan de la distribución normal (o cualquiera de las distribuciones estables) como un "atractor" en el espacio de las densidades de probabilidad. Por ejemplo, considere estas...
¿Por qué la prueba F para la diferencia de varianza es tan sensible al supuesto de distribución normal, incluso para grande ?NNN Intenté buscar en la web y visité la biblioteca, pero nada de eso me dio buenas respuestas. Dice que la prueba es muy sensible por la violación del supuesto de...
Estoy confundido acerca de la ecuación que sirve como la definición de la tasa de riesgo. Tengo la idea de cuál es la tasa de riesgo, pero simplemente no veo cómo la ecuación expresa esa intuición. Si xxx es una variable aleatoria que representa el punto de tiempo de muerte de alguien en un...
Entonces sabemos que una suma de nnn poissons con parámetro λλ\lambda es en sí misma un poisson con nλnλn\lambda . Hipotéticamente, uno podría tomar x∼poisson(λ=1)x∼poisson(λ=1)x \sim poisson(\lambda = 1) y decir que en realidad es ∑n1xi∼poisson(λ=1)∑1nxi∼poisson(λ=1)\sum_1^n x_i \sim...
Estoy tratando de entender el reclamo general realizado en Taleb, 2016, The Meta-Distribution of Standard P-Values . En él, Taleb hace el siguiente argumento a favor de la falta de fiabilidad del valor p (según tengo entendido): Un procedimiento de estimación que opera en puntos de datos...
Trato de reproducirme con optimlos resultados de una regresión lineal simple con glmo incluso nlsfunciones R. Las estimaciones de los parámetros son las mismas, pero la estimación de la varianza residual y los errores estándar de los otros parámetros no son los mismos, particularmente cuando el...
Construí una curva ROC para un sistema de diagnóstico. El área bajo la curva se estimó entonces no paramétricamente como AUC = 0,89. Cuando intenté calcular la precisión en el umbral óptimo (el punto más cercano al punto (0, 1)), ¡obtuve la precisión del sistema de diagnóstico de 0,8, que es menor...
Antecedentes: gran parte de la investigación moderna en los últimos ~ 4 años (post alexnet ) parece haberse alejado del uso de preentrenamiento generativo para redes neuronales para lograr resultados de clasificación de vanguardia. Por ejemplo, los mejores resultados para mnist aquí incluyen solo...
Estoy aprendiendo sobre splines del libro "Los elementos de la minería de datos estadísticos de aprendizaje, inferencia y predicción" de Hastie et al. En la página 145 descubrí que las estrías cúbicas naturales son lineales más allá de los nudos de límite. Hay KKK nudos, en las splines y se da lo...
En la literatura sobre redes neuronales, a menudo encontramos la palabra "tensor". ¿Es diferente de un vector? ¿Y de una matriz? ¿Tienes algún ejemplo específico que aclare su definición? Estoy un poco confundido acerca de su definición. Wikipedia no ayuda y a veces tengo la impresión de que su...
¿Hay videos u otros libros / notas que alguien haya encontrado que sigan al Reconocimiento de patrones y el aprendizaje automático de Chris Bishop? Compré este libro para aprender Machine Learning y tengo problemas para
Me pregunto si hay alguna relación entre estas 3 medidas. Parece que no puedo establecer una conexión entre ellos al referirme a las definiciones (posiblemente porque soy nuevo en estas definiciones y me está costando un poco entenderlas). Sé que el rango de la similitud del coseno puede ser de 0...
Considere un problema de regresión OLS estándar : Tengo matrices y \ X y quiero encontrar \ B para minimizar L = \ | \ Y- \ X \ B \ | ^ 2. La solución viene dada por \ hat \ B = \ argmin_ \ B \ {L \} = (\ X ^ \ top \ X) ^ + \ X ^ \ top \ Y.\newcommand{\Y}{\mathbf Y}\newcommand{\X}{\mathbf...
En mi estudio mediré la carga de trabajo con varias métricas. Con variabilidad de la frecuencia cardíaca (VFC), actividad electrodérmica (AED) y con una escala subjetiva (IWS). Después de la normalización, el IWS tiene tres valores: Carga de trabajo inferior a lo normal La carga de trabajo es...
En el libro de reconocimiento de patrones y aprendizaje automático (fórmula 1.27), da dondex=g(y),px(x)es el pdf que corresponde apy(y)py(y)=px(x)∣∣∣dxdy∣∣∣=px(g(y))|g′(y)|py(y)=px(x)|dxdy|=px(g(y))|g′(y)|p_y(y)=p_x(x) \left | \frac{d x}{d y} \right |=p_x(g(y)) | g'(y)...
¿Cuál es la diferencia entre las cadenas de Markov y los procesos de Markov? Estoy leyendo información contradictoria: a veces la definición se basa en si el espacio de estado es discreto o continuo, y otras veces se basa en si el tiempo es discreto o continuo. Diapositiva 20 de este documento...
Tengo un gran conjunto de datos de contaminación que se han registrado cada 10 minutos durante el transcurso de 2 años, sin embargo, hay una serie de lagunas en los datos (incluidos algunos que van durante algunas semanas a la vez). Los datos parecen ser bastante estacionales y hay una gran...
¿Qué enfoques teóricos de la causalidad debería conocer como estadístico / econométrico aplicado? Conozco el (un poquito) Modelo causal de Neyman-Rubin (y Roy , Haavelmo , etc.) El trabajo de Pearl sobre la causalidad Causalidad de Granger (aunque menos orientada al tratamiento) ¿Qué conceptos...
Aprendí que la distribución normal estándar es única porque la media y la varianza se fijan en 0 y 1 respectivamente. Por este hecho, me pregunto si dos variables aleatorias estándar deben ser