where ˜ f (y|x) is a predictive den

where ˜ f (y|x) is a predictive density estimator. See, for example,
the article by Lawless and Fredette (2005).
Remark 4. Note that the variances of the two normal approximations
are not close to that of the binomial distribution
B(n,p) when n is not large enough. It is mainly because the
mean mˆp is a random variable, but not a constant mp. Since
the mean of mˆp is mp, we still can use the Kullback–Leibler
distance between a predictive distribution and the binomial distribution
to evaluate the performance of the predictive distribution

ผลลัพธ์ (ไทย) 1:

ที่˜ f (y|x) เป็นการประมาณความหนาแน่นงาน ดู เช่นบทความ โดย Lawless และ Fredette (2005)หมายเหตุที่ 4 หมายเหตุว่า ผลต่างของเพียงการปกติประมาณสองไม่ได้อยู่กับที่ของการแจกแจงทวินามB(n,p) เมื่อ n มีขนาดไม่ใหญ่พอ เป็นส่วนใหญ่เพราะการmˆp หมายถึงเป็นตัวแปรสุ่ม แต่ไม่คง mp ตั้งแต่ค่าเฉลี่ยของ mˆp mp เรายังสามารถใช้ Kullback – Leiblerระยะห่างระหว่างการกระจายงานและการแจกแจงทวินามเพื่อประเมินประสิทธิภาพของการกระจายงาน

ผลลัพธ์ (ไทย) 2:

ที่ ~ f (x | y) เป็นประมาณการความหนาแน่นของการคาดการณ์ ดูตัวอย่างเช่น
บทความโดยกฎหมายและ Fredette (2005)
หมายเหตุ 4 หมายเหตุที่ความแปรปรวนของทั้งสองใกล้เคียงปกติ
ไม่ได้ใกล้เคียงกับการกระจายทวินาม
B (n, P) เมื่อ n คือไม่ใหญ่พอ มันเป็นส่วนใหญ่เพราะ
MP หมายถึงคือตัวแปรสุ่ม แต่ไม่ MP อย่างต่อเนื่อง เนื่องจาก
ค่าเฉลี่ยของ MP เป็น MP เรายังคงสามารถใช้ Kullback-Leibler
ระยะห่างระหว่างการกระจายการคาดการณ์และการกระจายทวินาม
ในการประเมินผลการดำเนินงานของการกระจายการคาดการณ์

ผลลัพธ์ (ไทย) 3:

ที่˜ F ( Y | x ) ประมาณความหนาแน่นของการคาดการณ์ . ดูตัวอย่างเช่น
บทความโดยกฎหมายและ fredette ( 2548 ) .
หมายเหตุ 4 ทราบว่า ความแปรปรวนของทั้งสองปกติใกล้เคียง
จะไม่ใกล้เคียงกับที่ของการแจกแจงทวินาม
B ( n , p ) เมื่อ n คือขนาดไม่ใหญ่พอ มันเป็นส่วนใหญ่เนื่องจาก
หมายถึง M ˆ P คือตัวแปร แต่ไม่ได้เป็น ส.ส. คง เนื่องจากว่าˆ
M P เป็น MP ,เรายังสามารถใช้คัลแบ็ก–ลี๊บเลอร์
ระยะห่างระหว่างการพยากรณ์และ
การแจกแจงทวินาม เพื่อประเมินประสิทธิภาพของการกระจายอาหาร