Varias pruebas de hipótesis, como la GOF, Kolmogorov-Smirnov, Anderson-Darling, etc., siguen este formato básico:χ2χ2\chi^{2} H0 0H0H_0 : los datos siguen la distribución dada. H1H1H_1 : los datos no siguen la distribución dada. Típicamente, uno evalúa la afirmación de que algunos datos dados...
¿Cuál es la distribución del coeficiente de determinación, o R al cuadrado, , en regresión múltiple univariada lineal bajo la hipótesis nula ?R 2 H 0 : β = 0R2R^2H0:β=0H_0:\beta=0 ¿Cómo depende de la cantidad de predictores y la cantidad de muestras ? ¿Existe una expresión de forma cerrada para el...
Dada una aproximación de PCA (o SVD) de la matriz XXX con una matriz X , sabemos que X es la mejor aproximación de bajo rango de X .X^X^\hat XX^X^\hat XXXX ¿Es esto de acuerdo con la norma inducida ∥⋅∥2∥⋅∥2\parallel \cdot \parallel_2 (es decir, la norma de mayor valor propio) o de acuerdo con la...
Prefiero preocuparme por su capacidad de ajuste de parámetros y su interfaz uniforme, pero he observado que siempre requiere conjuntos de datos completos (es decir, sin NA), incluso si el modelo "desnudo" aplicado permite NA. Eso es muy molesto, ya que uno debe aplicar métodos de imputación...
En la regresión lineal, se supone que cada valor predicho se ha elegido de una distribución normal de posibles valores. Vea abajo. Pero, ¿por qué se supone que cada valor predicho proviene de una distribución normal? ¿Cómo utiliza la regresión lineal este supuesto? ¿Qué pasa si los valores...
¿Es posible encontrar el valor p en la correlación de pearson en R? Para encontrar la correlación de Pearson, generalmente hago esto col1 = c(1,2,3,4) col2 = c(1,4,3,5) cor(col1,col2) # [1] 0.8315218 Pero, ¿cómo puedo encontrar el valor p de
Digamos que tengo tres fuentes independientes y cada una de ellas hace predicciones para el clima mañana. El primero dice que la probabilidad de lluvia mañana es 0, luego el segundo dice que la probabilidad es 1, y finalmente el último dice que la probabilidad es 50%. Me gustaría saber la...
Al realizar la inferencia bayesiana, operamos maximizando nuestra función de probabilidad en combinación con los antecedentes que tenemos sobre los parámetros. Debido a que la probabilidad de registro es más conveniente, maximizamos efectivamente usando un MCMC o de otro modo que genera las...
Mi pérdida de entrenamiento baja y luego vuelve a subir. Es muy raro La pérdida de validación cruzada rastrea la pérdida de entrenamiento. Que esta pasando? Tengo dos LSTMS apilados de la siguiente manera (en Keras): model = Sequential() model.add(LSTM(512, return_sequences=True,...
Recientemente completé una competencia de Kaggle en la que se utilizó la puntuación roc auc según los requisitos de la competencia. Antes de este proyecto, normalmente usaba la puntuación f1 como la métrica para medir el rendimiento del modelo. En el futuro, me pregunto cómo debo elegir entre estas...
Estoy leyendo sobre la función cuantil, pero no me queda claro. ¿Podría proporcionar una explicación más intuitiva que la que se proporciona a continuación? Como el cdf es una función monotónicamente creciente, tiene una inversa; denotémoslo por . Si es el cdf de , entonces es el valor de tal...
Cuando leemos un libro, entender las anotaciones juega un papel muy importante para comprender los contenidos. Desafortunadamente, diferentes comunidades tienen diferentes convenciones de notación para la formulación del modelo y el problema de optimización. ¿Podría alguien resumir algunas...
Tengo una pregunta simple sobre "probabilidad condicional" y "Probabilidad". (Ya he encuestado esta pregunta aquí, pero fue en vano). Comienza desde la página de Wikipedia sobre la probabilidad . Dicen esto: La probabilidad de un conjunto de valores de parámetros, θθ\theta , dados los...
Leí aquí lo siguiente: Las salidas sigmoideas no están centradas en cero . Esto no es deseable ya que las neuronas en las capas posteriores de procesamiento en una red neuronal (más sobre esto pronto) recibirían datos que no están centrados en cero. Esto tiene implicaciones en la dinámica...
Tengo un conjunto de datos muy desequilibrado. Estoy tratando de seguir los consejos y el uso de la optimización,scale_pos_weight pero no estoy seguro de cómo debo ajustarlo. Puedo ver que RegLossObj.GetGradientsí: if (info.labels[i] == 1.0f) w *= param_.scale_pos_weight entonces un gradiente...
Soy bastante nuevo en las estadísticas bayesianas y me encontré con una medida de correlación corregida, SparCC , que utiliza el proceso Dirichlet en el back-end de su algoritmo. He estado tratando de pasar por el algoritmo paso a paso para comprender realmente lo que está sucediendo, pero no estoy...
Lo siento si esto se ha respondido en otro lugar, no he podido encontrarlo. Me pregunto por qué tomamos la raíz cuadrada , en particular, de la varianza para crear la desviación estándar. ¿De qué se trata de sacar la raíz cuadrada que produce un valor
Actualmente estoy estudiando la clase de inferencia estadística en Coursera. En una de las tareas, surge la siguiente pregunta. | Suppose you rolled the fair die twice. What is the probability of rolling the same number two times in a row? 1: 2/6 2: 1/36 3: 0 4: 1/6 Selection: 2 | You're...
La premisa es esta cita de la viñeta del paquete R betareg1 . Además, el modelo comparte algunas propiedades (como el predictor lineal, la función de enlace, el parámetro de dispersión) con modelos lineales generalizados (GLMs; McCullagh y Nelder 1989), pero no es un caso especial de este marco...
En casi todos los ejemplos de código que he visto de un VAE, las funciones de pérdida se definen de la siguiente manera (este es el código de tensorflow, pero he visto algo similar para theano, torch, etc.) También es para un convnet, pero eso tampoco es demasiado relevante , solo afecta a los ejes...