Questions tagged «estimation»

问题：考虑两辆汽车（被称为点对象），分别命名为“领导者和“跟随者，它们都配备有相互通信的GPS设备。的目的是随着在平面上任意移动而尽可能接近假定所有GPS设备都具有规定的均值和规定的协方差矩阵的误差的圆形误差概率（CEP）分布。大号LLFFFFFF大号LLμ = （μX，μÿ）μ=(μx,μy)\mu = (\mu_x,\mu_y)Σ2 × 2Σ2×2\Sigma_{2\times 2} 假设遍历平面中的（分段平滑）曲线，则遍历的期望曲线是什么？此外，路径的分布是什么？LLLCCCFFFFFF 在一段时间内估算的最佳方法是什么？FFFLLL 背景：这是我在实验工作中遇到的实际问题，绝不是家庭作业。我知道诸如卡尔曼滤波之类的工具可以在面对白噪声时实现最佳状态估计，但不确定如何将其扩展到这种情况。我也想知道有关的研究文献。

9 estimation  spatial 

当使用均一的候选分布运行Metropolis-Hastings算法时，接受率大约为20％的原理是什么？ 我的想法是：一旦找到了真实的（或接近真实的）参数值，那么就不会有来自相同均匀间隔的任何新的候选参数值集会增加似然函数的值。因此，我运行的迭代次数越多，我应该得到的接受率就越低。 我的想法在哪里错了？非常感谢！ 这是我的计算的说明： Acceptance_rate=exp{l(θc|y)+log(p(θc))−[l(θ∗|y)+log(p(θ∗)]},Acceptance_rate=exp⁡{l(θc|y)+log⁡(p(θc))−[l(θ∗|y)+log⁡(p(θ∗)]},Acceptance\_rate = \exp \{l(\theta_c|y) + \log(p(\theta_c)) - [l(\theta^*|y) + \log(p(\theta^*) ]\}, 其中是对数似然。lll 由于候选对象始终取自相同的均匀间隔，θθ\theta p(θc)=p(θ∗).p(θc)=p(θ∗).p(\theta_c) = p(\theta^*). 因此，接受率的计算可缩减至： Acceptance_rate=exp{l(θc|y)−[l(θ∗|y)]}Acceptance_rate=exp⁡{l(θc|y)−[l(θ∗|y)]}Acceptance\_rate = \exp \{l(\theta_c | y) - [l(\theta^* | y) ]\} 的接受规则如下：θcθc\theta_c 如果，其中是从区间均匀分布得出的，则U≤Acceptance_rateU≤Acceptance_rateU \le Acceptance\_rate UUU[0,1][0,1][0,1] θ∗=θc,θ∗=θc,\theta^* = \theta_c, 否则从间隔均匀分布中θcθc\theta_c[θmin,θmax][θmin,θmax][\theta_{min}, \theta_{max}]

9 bayesian  estimation  sampling  mcmc 

我正在寻找针对统计学家的数值优化技术的可靠参考，也就是将这些方法应用于某些标准推论性问题（例如，通用模型中的MAP / MLE）。诸如梯度下降（直线和随机），EM及其衍生/概括，模拟退火等。 我希望它会有一些有关实现的实用说明（因此常常缺少论文）。它不必完全明确，但至少应提供可靠的书目。 一些粗略的搜索出现了几篇文章：Ken Lange的《统计学家的数值分析》和John Monahan的《统计学的数值方法》。每个人的评论似乎是混杂的（稀疏的）。在这两个书中，对目录的细读表明兰格的书的第二版与我所追求的最接近。

9 estimation  references  optimization 

进行了一些修改... 这个问题只是为了好玩，因此，如果它不好玩，请随时忽略它。我已经从该站点获得了很多帮助，所以我不想咬我的手。它基于一个现实生活中的示例，这只是我想知道的很多事情。 我周一至周五参观了当地的道场，基本上是随机训练。假设我每周拜访两次。这意味着我每周要访问两次，只有两天不一样。每当我在那里时，几乎都有一个人在那里。如果他和我在同一天访问，那么我将会见到他。假设我在90％的时间在那里。我想知道两件事： 1）他多久训练一次 2）他是随机来还是在一周的固定日期来。 我猜想也许我们必须假设一个人猜另一个？我真的一无所获。我只是在每个星期的热身活动中都在想这件事，并且感到莫名其妙。即使有人给我一个思考问题的方法，我也将不胜感激。 干杯!

9 probability  estimation  sampling 

因此，我进行了16次试验，试图使用汉明距离从生物特征中鉴定一个人。我的阈值设置为3.5。我的数据如下，只有试验1为“真阳性”： 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 0.37 13 0.66 14 0.39 15 0.44 16 0.39 我的困惑是，我真的不确定如何根据此数据制作ROC曲线（FPR与TPR或FAR与FRR）。哪一个都不重要，但是我只是对如何进行计算感到困惑。任何帮助，将不胜感激。

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

假设我们有一个集合A和一个子集B。如果我们知道| A |，那么我们可以计算| B |。通过找到从A中随机选择的元素均属于B的概率p，可以找到| A | p = | B |。 假设我们随机地均匀生成A的n个元素，并使用此数据估算p（B中元素的数量除以n），从而估算| B |。 这个估计有多可靠？即我们如何计算误差？ 作为附带问题，此技术是否有名称？（这似乎是标记回收技术的数学版本）

9 estimation 

我正在尝试通过抽样估计高斯分布的均值。我尚无关于其均值或方差的知识。每个样品的获取都很昂贵。如何动态确定要获得一定水平的置信度/准确性所需的样本数量？另外，我如何知道何时可以停止采样？ 我能找到的所有类似问题的答案似乎都是对方差的一些了解，但我也需要一路发现这一点。其他人则适合进行民意调查，但我（初学者是我）还不清楚这种说法的普遍性-我的意思不是[[0,1]等）。 我认为这可能是一个答案很简单的简单问题，但是我的Google-fu令我失望。即使只是告诉我要搜索的内容也会很有帮助。

9 estimation  sample-size