Questions tagged «stochastic-processes»

我经常碰到“封闭式解决方案”一词。封闭式解决方案是什么意思？如何确定一个给定问题的封闭式解决方案？在网上搜索时，我发现了一些信息，但是在开发统计或概率模型/解决方案的过程中却找不到任何信息。 我对回归非常了解，因此，如果任何人都可以参考回归或模型拟合来解释这一概念，那么它将很容易使用。:)

82 regression  machine-learning  probability  terminology  stochastic-processes 

定义为Y t = Y t − 1 + e t的随机游走，其中e t是白噪声。表示当前位置是前一个位置的总和加上一个不可预测的项。Yt=Yt−1+etÿŤ=ÿŤ-1个+ËŤY_{t} = Y_{t-1} + e_tetete_t 可以证明的是，平均函数μt=0μt=0\mu_t = 0 ，因为E(Yt)=E(e1+e2+...+et)=E(e1)+E(e2)+...+E(et)=0+0+...+0E(Yt)=E(e1+e2+...+et)=E(e1)+E(e2)+...+E(et)=0+0+...+0E(Y_{t}) = E(e_1+ e_2+ ... +e_t) = E(e_1) + E(e_2) +... +E(e_t) = 0 + 0 + ... + 0 但是，为什么方差随时间线性增加？ 因为新位置与上一个位置非常相关，这是否与“纯”随机无关？ 编辑： 现在，通过可视化大量随机游走，我有了更好的理解，在这里我们可以轻松地观察到总体方差确实会随着时间的推移而增加， 平均值在零附近。 毕竟这可能是微不足道的，因为在时间序列的早期（比较时间= 10，有100），随机步行者还没有时间去探索。

28 time-series  self-study  mathematical-statistics  stochastic-processes  random-walk 

随机过程是随时间变化的过程，所以它真的是说“时间序列”的一种更好的方法吗？

27 time-series  stochastic-processes  definition 

换句话说，基于以下内容，p是多少？ 为了使这成为数学问题，而不是人类学或社会科学问题，并简化该问题，假定在整个人口中选择同伴的概率相同，除了兄弟姐妹和第一代表亲从未交配，并且总是从同一个中选择同伴代。 n1n1n_1初始人口 ggg数代。 ccc每对夫妇的平均子女数。（如果需要答案，请假设每对夫妇的子女数完全相同。） zzz没有孩子并且不被视为伴侣的人口百分比。 n 2 zn2n2n_2人口。（应该给出或，（我认为）可以计算出另一个。）n2n2n_2zzz ppp最终一代中某人成为初始一代中特定人的后代的概率。 这些变量当然可以更改，省略或添加。为了简单起见，我假设和不会随时间变化。我意识到这将得到一个非常粗略的估计，但这是一个起点。ccczzz 第2部分（建议进一步研究）： 您如何认为未以全局一致的概率选择伴侣？实际上，伴侣更有可能具有相同的地理区域，社会经济背景，种族和宗教背景。如果不研究此问题的实际概率，这些因素的变量将如何发挥作用？这有多重要？

26 probability  stochastic-processes  genetics 

受彼得·唐纳利（Peter Donnelly）在TED上的演讲的启发，他在演讲中讨论了某种图案出现在一系列抛硬币中需要多长时间，我在R中创建了以下脚本。给定两种图案“ hth”和“ htt”，计算在您击中其中一种模式之前平均需要花费多长时间（即，掷多少硬币）。 coin <- c('h','t') hit <- function(seq) { miss <- TRUE fail <- 3 trp <- sample(coin,3,replace=T) while (miss) { if (all(seq == trp)) { miss <- FALSE } else { trp <- c(trp[2],trp[3],sample(coin,1,T)) fail <- fail + 1 } } return(fail) } n <- 5000 trials …

26 r  probability  stochastic-processes 

让我们以足球（足球）为例。有3种可能的结果，主场胜利，平局，客场胜利。我从bet365进行了随机游戏 Turkey vs Ukraine hwin, draw, awin 2.20 3.40 3.20 因此，对于100的投资$给出结果，你要么松散100 $或赢：220 $ 340 $或320 $。他们的概率评估加起来不是100％，他们需要额外的5％-12％，但是如何得出这些数字（2.20、3.40、3.20）？例如，如果90％的人将钱投放在土耳其，hwin系数会更低，这是人们下注的方式吗？还是某种计算？ 计算存在的问题是样本很差，国家队在很长一段时间内很少比赛，在实力各异的球队之间，很多外部参数都在起作用，例如伤病，个人球员的现况和动机等。 。 他们的全国冠军联赛策略有什么不同，随着比赛的进行更加频繁，您会发现更多的规律性，尽管每月4场全国联赛的比赛并不算多（而且主场/客场都打过，这是两个非常不同的事情） 。 所以基本上，问题在于他们最依赖什么，他们如何得出这些数字，是计算，其他玩家的下注方式，组合等吗？ 一个子问题是，如果其他赌徒对系数的放置方式有很大的影响，在我看来，这样的评估将有很大的误差。我不知道您是否可以说出给定结果的65％和70％之间的差异，但是对我而言，这种差异是无法区分的。明确地说，我认为土耳其是最受欢迎的例子，主要是因为他们在主场比赛，但是他们赢得45％或55％胜利的机会太抽象了，如果他们与摩纳哥国家队比赛，那我会让您更有信心赢得胜利。

25 probability  stochastic-processes 

最近，我浏览了几篇有关格兰杰因果关系的论文和在线资源。简短浏览相应的Wikipedia文章给我的印象是，该术语指的是时间序列（或更普遍地说，是随机过程）的因果关系。此外，阅读这篇不错的博客文章在如何看待这种方法上造成了另外的困惑。 我对因果关系一无所知，因为我对该概念的模糊理解包括部分常识，常识，对潜在变量建模和结构方程模型（SEM）的一些了解，以及从Judea Pearl在因果关系-不是他的书，而是更多地根据Pearl（2009）的一篇有趣的综述论文，出于某种原因，令人惊讶的是，它根本没有提到格兰杰因果关系。 在这种情况下，我想知道格兰杰因果关系是否比时间序列（随机）框架更笼统，如果基于结构因果模型，它是否与Pearl的因果关系有什么关系（共性和差异）（据我了解，SCM反过来又是基于直接无环图（DAG）和反事实。看来，格兰杰因果关系可以归类为一个通用的方法，以因果推理的动态系统，考虑存在动态因果模型（DCM）方法（Chicharro＆Panzeri，2014）。但是，我担心的是，是否可以（如果可以，如何）比较这两种方法，其中一种是基于随机过程分析的，而另一种则不是。 更笼统地说，您认为在单个综合因果关系框架内（作为不同观点）考虑所有当前存在的因果关系理论的明智的高级方法（如果可能的话）？这个问题在很大程度上是由于我试图阅读Chicharro和Panzeri（2014）的一篇出色而全面的论文，并且回顾了加州大学伯克利分校的一个有趣的因果推理课程（Petersen＆Balzer，2014）。 参考文献 Chicharro，D.，＆Panzeri，S.（2014年）。因果推理算法，用于分析大脑区域之间的有效连通性。《神经信息学前沿》（8）（64）。doi：10.3389 / fninf.2014.00064取自http://journal.frontiersin.org/article/10.3389/fninf.2014.00064/pdf Pearl，J.（2009年）。统计中的因果推断：概述。统计调查，3，96-146。doi：10.1214 / 09-SS057取自http://projecteuclid.org/download/pdfview_1/euclid.ssu/1255440554 Petersen，M.和Balzer，L.（2014年）。因果推理简介。加州大学伯克利分校。[网站]取自http://www.ucbbiostat.com

21 stochastic-processes  causality  granger-causality 

我一直在阅读Maraun等人的文章《小波域中的非平稳高斯过程：综合，估计和有效测试》（2007年），该类定义了可由小波域中的乘数指定的一类非平稳GP。这样一个GP的实现是： 其中是白噪声，是相对于小波的连续小波变换，是标度为且时间为的乘数（类似傅立叶系数），是重构小波小波逆变换。s （t ）= MHm （b ，a ）宽Gη（吨），s(t)=Mhm(b,a)Wgη(t), s(t) = M_h m(b,a) W_g \eta(t)\, , W g g m （b ，a ）a b M h hη（吨）η(t)\eta(t)w ^GWgW_gGggm （b ，a ）m(b,a)m(b,a)一种aabbb中号HMhM_hHhh 本文的一个关键结果是，如果乘数仅缓慢变化，则实现本身仅是“弱”依赖于和的实际选择。因此，指定了过程。他们继续创建一些重要的测试，以帮助根据实现推断小波乘数。g h m （b ，a ）m （b ，a ）m(b,a)m(b,a)GggHhhm （b ，a ）m(b,a)m(b,a) 两个问题： 1.我们如何评价标准GP可能性是？p （D ）= N（0 ，ķ）p(D)=N(0,K)p(D) = \mathcal{N}(0,K) …

20 normal-distribution  stochastic-processes  gaussian-process  fourier-transform  wavelet 

我想决定是否应该参加下学期在我大学举行的名为“随机过程入门”的课程。 我问讲师，学习这样的课程对统计学家有何帮助？他说，由于他来自概率论，所以他对统计学的了解很少，也不知道如何回答我的问题。 我可以毫无根据地猜测，随机过程在统计中很重要。但是我也很好奇知道如何做。也就是说，在哪些领域/方法中，对“随机过程”的基本理解将有助于我进行更好的统计？

18 probability  stochastic-processes 

考虑以下条件下从0开始的整数随机游动： 第一步是具有相等概率的正负1。 以后的每一步都是：60％可能与上一步相同，40％可能相反 这会产生什么样的分布？ 我知道非动量随机游走会产生正态分布。动量会改变方差，还是完全改变分布的性质？ 我正在寻找一个通用的答案，所以在上面分别说60％和40％，我的意思是p和1-p

18 stochastic-processes  randomness  random-walk 

有人能以直观的方式向我解释马尔可夫链的周期性是什么吗？ 定义如下： 对于iii在S的所有州SSS didid_i = GCD{n∈N|p(n)ii>0}=1{n∈N|pii(n)>0}=1\{n \in \mathbb{N} | p_{ii}^{(n)} > 0\} =1 感谢你的付出！

17 stochastic-processes  markov-process 

我在时间序列预测方面有中等背景。我看了几本预测书，但在其中任何一本中都没有看到以下问题。 我有两个问题： 如果给定的时间序列具有以下特征，我将如何客观地确定（通过统计检验）： 随机季节性或确定性季节性 随机趋势或确定性趋势 如果当时间序列具有明显的随机成分时，将我的时间序列建模为确定性趋势/季节，将会发生什么？ 解决这些问题的任何帮助将不胜感激。 趋势的示例数据： 7,657 5,451 10,883 9,554 9,519 10,047 10,663 10,864 11,447 12,710 15,169 16,205 14,507 15,400 16,800 19,000 20,198 18,573 19,375 21,032 23,250 25,219 28,549 29,759 28,262 28,506 33,885 34,776 35,347 34,628 33,043 30,214 31,013 31,496 34,115 33,433 34,198 35,863 37,789 34,561 36,434 34,371 …

16 time-series  forecasting  arima  stochastic-processes 

我有两个随机变量，αi∼iid U(0,1),i=1,2αi∼iid U(0,1),i=1,2\alpha_i\sim \text{iid }U(0,1),\;\;i=1,2，其中是均匀的分布0-1。U(0,1)U(0,1)U(0,1) 然后，这些产生一个过程，说： P(x)=α1sin(x)+α2cos(x),x∈(0,2π)P(x)=α1sin⁡(x)+α2cos⁡(x),x∈(0,2π)P(x)=\alpha_1\sin(x)+\alpha_2\cos(x), \;\;\;x\in (0,2\pi) 现在，我想知道对于给定的，的理论上75％的分位数是否存在的闭式表达式。 -我想我可以用计算机和许多实现来做到这一点，但我更喜欢封闭形式-。F−1(P(x);0.75)F−1(P(x);0.75)F^{-1}(P(x);0.75)P(x)P(x)P(x)x∈(0,2π)x∈(0,2π)x\in(0,2\pi)P(x)P(x)P(x)

16 distributions  probability  stochastic-processes 

单变量指数霍克斯过程是一个自激点过程，事件到达率为： λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} 其中是事件的到达时间。t1,..tnt1,..tn t_1,..t_n 对数似然函数为 −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum\limits_{i<j}{\ln(\mu+\alpha e^{-\beta(t_j-t_i)})} 可以递归计算： −tnμ+αβ∑(e−β(tn−ti)−1)+∑ln(μ+αR(i))−tnμ+αβ∑(e−β(tn−ti)−1)+∑ln⁡(μ+αR(i)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum{\ln(\mu+\alpha R(i))} R(i)=e−β(ti−ti−1)(1+R(i−1))R(i)=e−β(ti−ti−1)(1+R(i−1)) R(i) = e^{-\beta(t_i-t_{i-1})} (1+R(i-1)) R(1)=0R(1)=0 R(1) = 0 我可以使用什么数值方法找到最大似然法？最简单的实用方法是什么？

16 maximum-likelihood  stochastic-processes  likelihood 

马尔可夫链与马尔可夫过程有什么区别？ 我正在阅读有冲突的信息：有时，定义是基于状态空间是离散的还是连续的，有时是基于时间是连续的还是离散的。 本文档的幻灯片20： 如果状态空间是离散的（即有限的或可数的空间）是离散的（即有限的或可数的），则马尔可夫过程称为马尔可夫链。 http://www.win.tue.nl/~iadan/que/h3.pdf： 马尔可夫过程是马尔可夫链的连续时间版本。 或者可以同义地使用马尔可夫链和马尔可夫过程，规定时间参数是连续的还是离散的，以及状态空间是连续的还是离散的。 2017年3月4日更新：https：//www.quora.com/Can-I-use-the-words-Markov-process-and-Markov-chain-interchangeably提出了相同的问题

16 terminology  stochastic-processes  markov-process