Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribucion Beta
Distribucion Beta
⋮
1 2 10,000
Ajuste de la curva Beta
Se generaron B = 10,000 X: es la probabilidad predicha
muestras bootstrap por el clasificador binario con las
muestras bootstrap
Es ajuste de la curva beta (𝑋~𝐵𝑒𝑡𝑎(𝛼, 𝛽)) hacia
el histograma se hizo considerando:
𝛼 σ𝐵
𝑏=1 X𝑏
• 𝐸 𝑋 = = =ഥ
X
𝛼+𝛽 𝐵
𝛼𝛽 σ𝐵 ഥ 2
𝑏=1(X𝑏 −X)
• 𝑉 𝑋 = = = S2
𝛼+𝛽 2 (𝛼+𝛽+1) 𝐵−1
1−ഥ
X ഥ
X2 − ഥ
XS 2 (1 − ഥ
X) (1 − ഥ
X )ഥ
X2 − ഥ
XS 2
𝛼= 𝛽=
S2 ഥ
XS 2
Demostración de la densidad Beta de la probabilidad
predicha de un clasificar binario
Consideraciones:
⇒𝑃 X 𝐾 ∈ 𝑋, 𝑋 + 𝑑𝑋 = 𝑃 𝑋𝑖 ∈ 𝑋, 𝑋 + 𝑑𝑋 ∩ 𝑋𝑟 , … , 𝑋𝑠 ∈ 0, 𝑋
𝐾−1 𝑜𝑏𝑠,
𝑔𝑋 𝐾 (𝑋)
⇒ 𝑔X 𝐾 𝑋 𝑑𝑋 = 𝑃 𝑋𝑖 ∈ 𝑋, 𝑋 + 𝑑𝑋 𝑃 𝑋𝑟 , … , 𝑋𝑠 ∈ 0, 𝑋
𝐾−1 𝑜𝑏𝑠,
⇒ 𝑔X 𝐾 𝑋 𝑑𝑋 = 𝐶1𝑛 𝑃 𝑋 ∈ 𝑋, 𝑋 + 𝑑𝑋 𝐶𝐾−1
𝑛−1
𝑃 𝐗<𝑋 𝐾−1 𝑃 𝐗>𝑋 𝑛−𝐾
𝑋 𝑋 + 𝑑𝑋
𝑋(1) 𝑋(2) … 𝑋(𝑘)
⇒ 𝑔X 𝐾 𝑋 𝑑𝑋 = 𝐶1𝑛 𝑓 𝑋 𝑑𝑋 𝑛−1
𝐶𝐾−1 𝐹(𝑋) 𝐾−1
1 − 𝐹(𝑋) 𝑛−𝐾
⇒ 𝑔X 𝐾 𝑋 = 𝐶1𝑛 𝐶𝐾−1
𝑛−1
𝐹(𝑋) 𝐾−1 1 − 𝐹(𝑋) 𝑛−𝐾 𝑓 𝑋
𝑛! 𝐾−1 𝑛−𝐾 𝑓
⇒ 𝑔X 𝐾 𝑋 = 𝐹(𝑋) 1 − 𝐹(𝑋) 𝑋
𝐾−1 ! 𝑛−𝐾 !
Demostración de la densidad Beta de la probabilidad
predicha de un clasificar binario
𝑛! 𝐾−1 𝑛−𝐾
⇒ 𝑔X 𝐾 𝑋 = 𝐹(𝑋) 1 − 𝐹(𝑋) 𝑓 𝑋
𝐾−1 ! 𝑛−𝐾 !
Dado que 𝑋 es una probabilidad, entonces podemos hacer que 𝑋 = 𝑃(𝐙 ≤ 𝑍), tal que 𝑍~ℎ(𝑍)
𝑛!
𝑔X 𝐾 𝑋 = 𝑋 𝐾−1 (1 − 𝑋)𝑛−𝐾
𝐾−1 ! 𝑛−𝐾 !
𝛼𝑗
• Esperanza= 𝛼 = 𝑝𝑗
𝑗 +𝛽𝑗
𝛼𝑗 𝛽𝑗
• Varianza= 2 = 𝑣𝑗
𝛼𝑗 +𝛽𝑗 (𝛼𝑗 +𝛽𝑗 +1)
1 − 𝑝𝑗 𝑝𝑗 2 − 𝑝𝑗 𝑣𝑗 (1 − 𝑝𝑗 ) (1 − 𝑝𝑗 )𝑝𝑗 2 − 𝑝𝑗 𝑣𝑗
𝛼𝑗 = 𝛽𝑗 =
𝑣𝑗 𝑝𝑗 𝑣𝑗
𝐿 𝑃 = 𝑓 𝑃1 , … , 𝑃𝑘 = ෑ 𝑓(𝑃𝑗 ) ∝ ෑ 𝑃𝛼𝑗−1 1 − 𝑃 𝛽𝑗 −1
𝑗=1 𝑗=1
σ𝑘
𝑗=1 𝛼𝑗 −𝑘 σ𝑘
𝑗=1 𝛽𝑗 −𝑘
=𝑃 1−𝑃
𝑘 𝑘
𝐿 𝑃 = 𝐵𝑒𝑡𝑎 𝛼 = 𝛼𝑗 − 𝑘 + 1 , 𝛽 = 𝛽𝑗 − 𝑘 + 1
𝑗=1 𝑗=1
𝑃
La probabilidad final 𝐵𝑒𝑡𝑎(𝑝1 = 0.87, 𝑣1 = 0.008)
𝐵𝑒𝑡𝑎(𝛼1 = 11.43, 𝛽1 = 1.71)
• Estará representada por la esperanza de la
densidad conjunta
𝑘 𝑘