Esta no es una pregunta de trabajo a domicilio sino un problema real que enfrenta nuestra empresa. Hace muy poco (hace 2 días) pedimos la fabricación de 10000 etiquetas de productos a un distribuidor. El distribuidor es una persona independiente. Obtiene las etiquetas fabricadas desde el exterior...
Explicaré mi problema con un ejemplo. Suponga que desea predecir el ingreso de un individuo dados algunos atributos: {Edad, Sexo, País, Región, Ciudad}. Tienes un conjunto de datos de entrenamiento como este train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2,...
Veo que ambas funciones son parte de los métodos de minería de datos, como los regresores de aumento de gradiente . Veo que esos son objetos separados también. ¿Cómo es la relación entre ambos en
(Para ver por qué escribí esto, revise los comentarios debajo de mi respuesta a esta pregunta ). Errores tipo III y teoría de decisión estadística Dar la respuesta correcta a la pregunta incorrecta a veces se denomina error de Tipo III. La teoría de la decisión estadística es una formalización de...
Con un previo plano, coinciden los estimadores ML (frecuentista - máxima verosimilitud) y MAP (Bayesiano - máximo a posteriori). Sin embargo, en términos más generales, estoy hablando de estimadores puntuales derivados como optimizadores de alguna función de pérdida. Es decir (Bayesiano) x...
Imagine la siguiente configuración: tiene 2 monedas, la moneda A que se garantiza que es justa y la moneda B que puede ser justa o no. Se le pide que haga 100 lanzamientos de monedas, y su objetivo es maximizar el número de caras . Su información previa sobre la moneda B es que fue lanzada 3 veces...
¿Tengo problemas para entender estadísticas suficientes y completas? Sea una estadística suficiente.T= Σ xyoT=ΣxiT=\Sigma x_i Si con probabilidad 1, para alguna función g , entonces es una estadística completa suficiente.E[g(T)]=0E[g(T)]=0E[g(T)]=0ggg Pero ¿qué significa esto? He visto ejemplos...
Deje que denote el riesgo de Bayes de un estimador con respecto a un anterior , deje que denote el conjunto de todos los anteriores en el espacio de parámetros y deje que denote el conjunto de todas las reglas de decisión (posiblemente aleatorias).δ π Π Θ Δr ( π, δ)r(π,δ)r(\pi,...
Mi peluquera Stacey siempre pone una cara feliz, pero a menudo está estresada por manejar su tiempo. Hoy Stacey estaba retrasada para mi cita y se disculpó mucho. Mientras me cortaba el pelo, me preguntaba: ¿cuánto tiempo deberían durar sus citas estándar? (si la preferencia del cliente por números...
Estoy tratando de trazar el límite de decisión de un algoritmo de perceptrón y estoy realmente confundido acerca de algunas cosas. Mis instancias de entrada tienen la forma , básicamente una instancia de entrada 2D ( y ) y un valor objetivo de clase binaria ( ) [1 o 0].x 1 x 2 y[ ( x1, x2) ,...
El estadístico de prueba de Durbin-Watson puede encontrarse en una región no concluyente, donde no es posible rechazar o no rechazar la hipótesis nula (en este caso, de autocorrelación cero). ¿Qué otras pruebas estadísticas pueden producir resultados "no concluyentes"? ¿Existe una explicación...
De acuerdo, mi mensaje original no pudo obtener una respuesta; entonces, déjenme plantear la pregunta de otra manera. Comenzaré explicando mi comprensión de la estimación desde una perspectiva teórica de decisión. No tengo entrenamiento formal y no me sorprendería si mi pensamiento es defectuoso de...
Programo y hago desarrollo basado en pruebas. Después de hacer un cambio en mi código, ejecuto mis pruebas. Algunas veces tienen éxito y otras fallan. Antes de ejecutar una prueba, escribo un número de 0.01 a 0.99 para creer que la prueba tendrá éxito. Quiero saber si estoy mejorando para predecir...
Me he encontrado con estas diapositivas (diapositiva 16 y 17) en uno de los cursos en línea. El instructor intentaba explicar cómo la Estimación posterior máxima (MAP) es en realidad la solución , donde es el parámetro verdaderoL(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne...
La pérdida de L2, junto con la pérdida de L0 y L1, son tres funciones de pérdida "por defecto" muy comunes que se utilizan al resumir una pérdida posterior posterior mínima esperada. Una razón para esto es quizás que son relativamente fáciles de calcular (al menos para distribuciones 1d), L0 da...
Esto podría ser un poco de una cuestión filosófica, pero aquí vamos: En teoría de la decisión, el riesgo de un estimador de Bayes θ ( x ) para θ ∈ Θ se define con respecto a una distribución a priori π en Θ .θ^(x)θ^(x)\hat\theta(x)θ∈Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Ahora, por un lado, para que el...
Para una variable aleatoria dada (o una población, o un proceso estocástico), la expectativa matemática es la respuesta a una pregunta ¿Qué pronóstico puntual minimiza la pérdida cuadrada esperada? . Además, es la solución óptima para un juego Adivina la próxima realización de una variable...
Recuerdo una prueba de que la teoría de probabilidad bayesiana es el único método válido para representar creencias, fue algo así como representamos la creencia por alguna función no negativa sobre algún dominio de resultados las creencias son subaditivas ... Por lo tanto, la teoría de...
Me preguntaba cómo se relacionan las estadísticas y la teoría de la decisión. Me parece que todos los problemas / tareas de estadística se pueden formular en la teoría de la decisión. También los problemas en la teoría de la decisión pueden formularse en problemas de estadística / probabilidad, o...