Szukam referencji dotyczących obliczania przedziałów ufności dla trybu (ogólnie). Bootstrap może wydawać się naturalnym pierwszym wyborem, ale jak omówiono w Romano (1988), standardowy bootstrap nie działa w trybie i nie zapewnia żadnego prostego rozwiązania. Czy coś się zmieniło od czasu tego...
Muszę obliczyć 2d oszacowanie gęstości jądra (kde) z listy współrzędnych szerokości i długości geograficznej. Ale jeden stopień szerokości geograficznej nie jest taki sam, jak jeden stopień długości geograficznej, co oznacza, że poszczególne jądra byłyby owalne, szczególnie im dalej punkt...
Mam sytuację, w której jestem w stanie oszacować (pierwsze) momentów zbioru danych i chciałbym użyć go do oszacowania funkcji gęstości.kkk Natknąłem się już na rozkład Pearsona , ale zdałem sobie sprawę, że opiera się on tylko na pierwszych 4 momentach (z pewnymi ograniczeniami dotyczącymi...
Mam pewne spostrzeżenia i chcę naśladować próbkowanie na podstawie tych spostrzeżeń. Rozważam tutaj model nieparametryczny, w szczególności używam wygładzania jądra, aby oszacować CDF na podstawie ograniczonych obserwacji, a następnie losowo dobieram wartości z uzyskanego CDF. Oto mój kod (chodzi o...
Losowe funkcje Fouriera zapewniają przybliżenia funkcji jądra. Są używane do różnych metod jądra, takich jak SVM i procesy Gaussa. Dzisiaj próbowałem użyć implementacji TensorFlow i uzyskałem wartości ujemne dla połowy moich funkcji. Jak rozumiem, to nie powinno się zdarzyć. Wróciłem więc do...
Chciałbym przetestować niektóre z moich pomysłów, które moim zdaniem są lepsze niż cokolwiek, co widziałem. Mogę się mylić, ale chciałbym przetestować swoje pomysły i rozwiać moje wątpliwości bardziej pewnymi spostrzeżeniami. To, o czym myślałem, to: Analitycznie zdefiniuj zestaw rozkładów....
Niech będą obserwacjami zaczerpniętymi z nieznanego (ale z pewnością asymetrycznego) rozkładu prawdopodobieństwa.{ x1, … , XN.}{x1,…,xN.}\{x_1,\ldots,x_N\} Ja jak znaleźć rozkład prawdopodobieństwa stosując podejście Próbowałem jednak użyć jądra Gaussa, ale działało to źle, ponieważ jest...
Mam pewne dane w R, zapisane na liście. Myśleć d <- c(1,2,3,4) chociaż to nie są moje dane. Jeśli następnie wprowadzę polecenie plot(density(d, kernel="gaussian", width=1)) następnie otrzymuję oszacowanie prawdopodobieństwa gęstości jądra, gdzie jądro jest normalnie normalne. Jeśli...
Robię pewne oszacowanie gęstości jądra, z ustawionymi punktami ważonymi (tj. Każda próbka ma wagę, która nie jest konieczna), w wymiarach N. Próbki te znajdują się również w przestrzeni metrycznej (tzn. Możemy zdefiniować odległość między nimi), ale nic więcej. Na przykład nie możemy określić...
Mam więc 16 prób, w których próbuję uwierzytelnić osobę z cechy biometrycznej za pomocą Hamminga. Mój próg jest ustawiony na 3,5. Moje dane są poniżej i tylko próba 1 jest prawdziwie pozytywna: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 0.32 9 0.39 10 0.45 11 0.42 12...