Acabei de ler que agora você pode comprar um computador quântico (embora apenas um tenha sido vendido até agora!). A computação quântica terá alguma aplicação em estatística? {edit - para os propósitos da pergunta, vamos supor que eventualmente computadores quânticos (de alguma forma)...
Encontrei essa frase ao ler um artigo no sciencemag.org . No final, foram incluídas respostas de apenas 7600 pesquisadores em 12 países, porque os dados restantes não foram considerados estatisticamente significativos. Essa é uma maneira adequada de fazer pesquisa? Deixar de lado os...
Estou tentando escrever um script R para simular a interpretação de experimentos repetidos de um intervalo de confiança de 95%. Descobri que superestima a proporção de vezes em que o verdadeiro valor populacional de uma proporção está contido no IC de 95% da amostra. Não é uma grande diferença -...
Suponha que eu tenha uma amostra de frequências de 4 eventos possíveis: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e tenho as probabilidades esperadas de meus eventos ocorrerem: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Com a soma das frequências observadas dos meus quatro eventos (18), posso calcular as...
Estou tendo problemas para criar alguma intuição sobre entropia conjunta. = incerteza na distribuição conjunta ; = incerteza em ; = incerteza em .H(X,Y)H(X,Y)H(X,Y)p(x,y)p(x,y)p(x,y)H(X)H(X)H(X)px(x)px(x)p_x(x)H(Y)H(Y)H(Y)py(y)py(y)p_y(y) Se H (X) for alto, a distribuição será mais incerta e,...
Estou tentando entender a forma normalizada de informações mútuas pontuais. n p m i = p m i ( x , y)l o g( p ( x , y) ))npmEu=pmEu(x,y)euog(p(x,y))npmi = \frac{pmi(x,y)}{log(p(x,y))} Por que a probabilidade conjunta de log normaliza as informações mútuas pontuais entre [-1, 1]? As informações...
A perda de L2, juntamente com a perda de L0 e L1, são três funções de perda "padrão" muito comuns usadas ao resumir uma posterior pela mínima perda posterior esperada. Uma razão para isso é talvez o fato de serem relativamente fáceis de calcular (pelo menos para distribuições 1d), L0 resulta no...
Hoje, deparei-me com o livro "Teoria da informação: uma introdução tutorial", de James Stone, e pensei por um momento ou dois sobre a extensão do uso da teoria da informação na ciência de dados aplicada (se você não se sente confortável com esse termo ainda um pouco confuso, pense na análise de...
Atualmente, estou vendo um artigo do modelo de efeitos aleatórios do processo Dirichlet e a especificação do modelo é a seguinte: que é o parâmetro de escala e é a medida base. Posteriormente, sugere que integremos uma função sobre a medida base , como A medida base no processo Dirichlet é um cdf...
Minha pergunta diz respeito à relação entre a hipótese de codificação eficiente, descrita na página da Wikipedia sobre algoritmos de codificação eficiente e aprendizado de rede neural. Qual é a relação entre a hipótese de codificação eficiente e as redes neurais? Existem modelos de redes neurais...
Fechado . Esta questão precisa ser mais focada . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela se concentre apenas em um problema editando esta postagem . Fechado há 3 anos . Eu gostaria de...
Ao avaliar um estimador, os dois critérios usados provavelmente mais comuns são o risco máximo e o risco de Bayes. Minha pergunta se refere à última: O risco de bayes sob o anterior é definido da seguinte forma:ππ\pi Bπ(θ^)=∫R(θ,θ^)π(θ)dθBπ(θ^)=∫R(θ,θ^)π(θ)dθB_{\pi} (\hat{\theta}) = \int...
Neste https://cs231n.github.io/neural-networks-case-study/, por que ele menciona "o classificador Softmax interpreta todos os elementos de ff como mantendo as probabilidades de log (não normalizadas) das três classes". Entendo por que não é normalizado, mas não por que é log? O que significa uma...
Isso pode ser um pouco de uma pergunta filosófica, mas aqui vamos nós: Na teoria da decisão, o risco de um estimador de Bayes para é definido com relação a uma distribuição anterior on .θ∈q¸qθ^( X )θ^(x)\hat\theta(x)θ ∈ Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Agora, por um lado, para que o verdadeiro...
No artigo chamado Aprendizagem Profunda e o Princípio do Gargalo de Informações, os autores declaram na seção II A) o seguinte: Neurônios únicos classificam apenas entradas linearmente separáveis, pois podem implementar apenas hiperplanos em seu espaço de entrada . Os hiperplanos podem...
Eu queria saber como as estatísticas e a teoria da decisão estão relacionadas? Parece-me que todos os problemas / tarefas estatísticas podem ser formulados na teoria da decisão. Também problemas na teoria da decisão podem ser formulados em problemas estatísticos / de probabilidade ou de maneira...
Lembro-me de uma prova de que a teoria da probabilidade bayesiana é o único método válido para representar crenças; foi algo como representamos crença por alguma função não negativa sobre algum domínio de resultados crenças são sub-aditivas ... Portanto, a teoria da probabilidade bayesiana é a...
É possível construir um modelo estatístico que preveja a próxima jogada em um gráfico apenas com base em movimentos passados e na estrutura do gráfico? Fiz um exemplo para ilustrar o problema: O tempo é discreto . Em cada rodada, você permanece no seu nó / vértice atual ou passa para um dos...
Eu li os ótimos comentários sobre como lidar com valores ausentes antes de aplicar o SVD, mas gostaria de saber como ele funciona com um exemplo simples: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada a matriz acima, se eu remover os valores de NA, acabarei...
Na entrada da Wikipedia para o critério de informação Akaike , lemos em Comparação com BIC (critério de informação bayesiano) que ... AIC / AICc tem vantagens teóricas sobre BIC ... AIC / AICc é derivado de princípios de informação; O BIC não é ... O BIC tem um prioritário de 1 / R (onde R é o...