问题标签 [stochastic-process]

问题：找到一个对象的估计生命周期（例如，下一次写入的时间）或相应的 PDF。这称为更新过程。

约束：跟踪每个对象的元数据是不可行的

假设：允许对小体积对象的预测不准确，但随着对象越来越受欢迎，不准确应该会减少

您对如何实现这些预测有任何想法，可能是通过使用草图数据结构（布隆过滤器、Count-min 草图等）或采样形式（例如指数偏置的储层采样）？假设一个特定的随机过程（例如泊松过程）会使问题更容易解决吗？

这个问题的一个有趣的例子是：估计用户下次访问您的网站/点击某物的时间，而无法跟踪每个用户的历史记录。

考虑 5 个状态{1,2,3,4,5} 上的马尔可夫过程 Xt 以及相关的速率矩阵

如何生成 R 代码来估计这个过程从状态 4 开始到达状态 5 的概率？</p>

我试过这段代码，但不知道正确与否。

我完全理解 ANN 背后的理论（在这种情况下，使用反向传播进行前馈）。随着网络的学习，权重会相应调整以给出正确的结果。但是，由于涉及随机元素，即使用随机权重来初始化网络，我如何检查所产生的结果不仅仅是偶然/纯巧合？

The following was my question given by my teacher,

1. Generate a sequence of N = 1000 independent observations of random variable with distribution: (c) Exponential with parameter λ = 1 , by inversion method.
2. Present graphically obtained sequences(except for those generated in point e) i.e. e.g. (a) i. plot in the coordinates (no. obs., value of the obs) ii. plot in the coordinates (obs no n, obs. no n + i) for i = 1, 2, 3. iii. plot so called covariance function for some values. i.e. and averages:

I have written the following code,

He has commented,

The plots of co-variance functions should start from 0-shift. Note that for larger than 0 shifts you are estimating co-variance between independent observations which is zero, while for 0 shift you are estimating variance of observation which is large. Thus the contrast between these two cases is a clear indication that the observations are uncorrelated.

What did I do wrong?

How can I correct my code?

我是 R 新手，我正在模拟一个实验来应用一些理论结果。实验是这样的：在拉里仓库，顾客的数量是泊松分布的，参数为lambda。顾客购买西装的概率为p。k出售套房的概率是多少？

这是我建议的代码，但有问题。请帮忙！

为什么 R 说对象k_sold并sold没有找到？

我对 Matlab 完全陌生。我正在尝试模拟 Wiener 和 Poisson 的组合过程。

为什么我得到下标分配维度不匹配？

我正在尝试模拟

哪里W是维纳过程，N是泊松过程。

我正在使用的代码如下：

我编写了一个程序，它生成 N 条布朗运动轨迹，增量为 I~N(0,dt)。我正在测试它们的条件 W(1)>=1 && W(2)>=2。当然，作为输出，我将时间点数据保存在文件“Wiener_data.dat”中。现在满足条件 1 的点保存在“Wiener_data_pts1.dat”中，条件 2 保存在“Wiener_data_pts2.dat”中。我将满足这两个条件的轨迹索引保存在单独的文件“Wiener_data_index.dat”中。

我想要做的是：像这样在 GnuPlot 中绘制轨迹： N=1000 Trajectories

所以我手动做了

当然，对于大量轨迹来说，这将是相当乏味的。

因此，鉴于“Wiener_data_index.dat”中的索引，我想以不同的颜色绘制特定的轨迹。有什么办法可以做到吗？也许通过将索引数据文件保存到一个数组中，然后在迭代索引时访问它的值？

作为作业的一部分，我被要求实现随机梯度下降以解决线性回归问题（即使我只有 200 个训练示例）。我的问题是随机梯度下降收敛太平滑，几乎与批量梯度下降完全一样，这让我想到了我的问题：考虑到通常它更嘈杂的事实，为什么它看起来如此平滑。是因为我只用了 200 个例子吗？

收敛图：

随机梯度下降

梯度下降

具有随机梯度下降权重的 MSE：2.78441258841

权重来自梯度下降的 MSE：2.78412631451（与权重来自正规方程的 MSE 相同）

我的代码：

.

.

.

.

.

我正在尝试创建一个简单的随机游走。这是我写的代码。

但是，如果我检查Y存储随机伯努利变量的 ，我得到全零。为什么会这样？

我得到一个情节，如.
这看起来不像是随机游走。有人可以告诉我我做错了什么吗

ornstein uhlenbeck 是以下 SDE：

dx_{t}=\theta (\mu -x_{t})\,dt+\sigma \,dW_{t}

通常 dt 以年为单位，但这是必要的吗？