Czy estymatory Bayesa są odporne na stronniczość selekcji? Większość artykułów omawiających oszacowanie w dużym wymiarze, np. Dane o sekwencji całego genomu, często porusza kwestię błędu selekcji. Błąd selekcji wynika z faktu, że chociaż mamy tysiące potencjalnych predyktorów, tylko kilka zostanie...
Chcę oszacować średnią funkcji f, tj. gdzie i są niezależnymi zmiennymi losowymi. Mam próbki f, ale nie iid: Są próbki IID dla a dla każdego są próbki z :X Y Y 1 , Y 2 , … Y n Y i n i X X i , 1 , X i , 2 , … , X i , n imiX, Y[ f( X, Y) ]EX,Y[f(X,Y)]E_{X,Y}[f(X,Y)]XXXYYYY1, Y2), …...
Załóżmy, że jest obiektywnym estymatorem . Następnie oczywiście . θE[ θ |θ]=θθ^θ^\hat{\theta}θθ\thetaE[θ^∣θ]=θE[θ^∣θ]=θ\mathbb{E}[\hat{\theta} \mid \theta] = \theta Jak wyjaśnić to laikowi? W przeszłości mówiłem, że jeśli uśredniacie wiązkę wartości , ponieważ wraz z powiększaniem się próbki,...
Niech będzie losową próbką o rozkładzie dla . To znaczy,X1,...,XnX1,...,Xn X_1,
Załóżmy, że mamy dostęp do próbek iid z rozkładu o prawdziwej (nieznanej) średniej i wariancji , i chcemy oszacować .μ ,σ2)μ,σ2)\mu, \sigma^2μ2)μ2)\mu^2 Jak zbudować obiektywny, zawsze pozytywny estymator tej ilości? Biorąc kwadrat próbki, średnia jest tendencyjna i zawyża ilość, szczególnie....
Chciałbym zrozumieć kilka faktów dotyczących estymatorów maksymalnego prawdopodobieństwa (MLE) dla regresji logistycznych. Czy to prawda, że ogólnie MLE regresji logistycznej jest stronniczy? Powiedziałbym tak". Wiem na przykład, że wymiar próbki jest związany z asymptotycznym nastawieniem...
Przykłady: w opisie stanowiska mam zdanie: „Starszy inżynier Java w Wielkiej Brytanii”. Chcę użyć modelu głębokiego uczenia się, aby przewidzieć go jako 2 kategorie: English i IT jobs. Jeśli użyję tradycyjnego modelu klasyfikacji, może on przewidzieć tylko 1 etykietę z softmaxfunkcją na ostatniej...
Załóżmy, że mam pozytywne parametry oszacować i odpowiadające im pakietów szacunki produkowane przez estymatorów , tj. , i tak dalej.nnnμ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_nnnnμ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}E[μ1^]=μ1E[μ1^]=μ1\mathrm...