Запитання з тегом «bootstrap»

Читаючи про те, як наблизити розподіл середньої вибірки, я натрапив на непараметричний метод завантаження. Мабуть, можна наблизити розподіл до розподілу ˉ X ∗ n - ˉ X n , де ˉ X ∗ n позначає середнє значення вибірки завантажувального зразка.Х¯н- мкX¯n−μ\bar{X}_n-\muХ¯∗н- X¯нX¯n∗−X¯n\bar{X}_n^*-\bar{X}_nХ¯∗нX¯n∗\bar{X}_n^* Моє питання тоді: чи потрібно мені центрування? Для …

13 distributions  bootstrap  resampling  centering 

Бутстрапінг працює добре, щоб отримати доступ до невизначеності в середній оцінці, проте я пам’ятаю, що читати де-небудь завантажувальний треп не допомагає в оцінці невизначеності в кількісних оцінках (особливо медіані). Я не пам’ятаю, де я це читав, і не міг багато чого знайти при швидкому пошуку в Google. Думки щодо цього …

13 references  bootstrap  median 

Припустимо, що у мене є два набори даних із n спостереженнями пар даних незалежної змінної x та залежної змінної y кожна. Давайте припустимо, що я хочу створити розподіл укосів регресії для кожного набору даних шляхом завантаження спостережень (із заміною) N разів та обчислення регресії y = a + bxщоразу. Як …

13 regression  statistical-significance  bootstrap 

Я думаю, що я розумію, як працюють основи завантаження , але я не впевнений, що розумію, як я можу використовувати завантажувальний інструмент для вибору моделі або щоб уникнути зайвого набору. Для вибору моделі, наприклад, ви б просто обрали модель, яка дає найменшу помилку (можливо, дисперсію?) У всіх зразках завантажувальної програми? …

13 model-selection  cross-validation  bootstrap 

Я використовую модель структурних рівнянь (SEM) в Амосі 18. Я шукав 100 учасників свого експерименту (використовувався вільно), що, напевно, було недостатньо для проведення успішної SEM. Мені неодноразово говорили, що SEM (поряд з EFA, CFA) є "великою вибірковою" статистичною процедурою. Коротше кажучи, я не домігся до 100 учасників (який сюрприз!), І …

13 modeling  sample-size  bootstrap  sem 

Які тести доступні для тестування двох незалежних зразків на нульову гіпотезу про те, що вони походять з популяцій з однаковим перекосом? Існує класичний тест на 1 зразок щодо того, чи перекос дорівнює фіксованому числу (тест передбачає 6-й момент вибірки!); чи є прямий переклад на 2-зразок тесту? Чи є методи, які …

13 hypothesis-testing  distributions  bootstrap  moments  l-moments 

Це схоже на Bootstrap: оцінка знаходиться за межами довірчого інтервалу У мене є деякі дані, які представляють кількість генотипів у популяції. Я хочу оцінити генетичне різноманіття за допомогою індексу Шеннона, а також генерувати довірчий інтервал, використовуючи завантажувальний інструмент. Я помітив, однак, що оцінка за допомогою завантажувальної програми, як правило, є …

13 r  confidence-interval  bootstrap  bias  diversity 

Я тестую рівність засобів, використовуючи t-тест Вельча. Основний розподіл далеко не нормальний (більш хиткий, ніж приклад у відповідній дискусії тут ). Я можу отримати більше даних, але хотів би дещо принципово визначити, в якій мірі це робити. Чи є хороша евристика для оцінки оцінки прийнятності розподілу вибірки? Які відхилення від …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

Питання: завантажувальний процес перевершує джекніфінг; однак мені цікаво, чи є випадки, коли jackknifing є єдиним або принаймні життєздатним варіантом для визначення невизначеності оцінок параметрів. Крім того, на практичних ситуаціях, наскільки упередженим / неточним є джекніфінг відносно завантажувального завантаження, і чи можуть результати джекніфа забезпечити попереднє розуміння перед тим, як розробити …

12 machine-learning  cross-validation  bootstrap  maximum-entropy  jackknife 

Мені було цікаво, як виконуються завантажувальні інтерфейси завантаження (і BCa у бартикулярних) на нормально розподілених даних. Здається, багато роботи над вивченням їх роботи на різних типах розподілів, але не вдалося знайти нічого в нормально розподілених даних. Оскільки, здається, спочатку вивчити очевидну річ, я вважаю, що документи просто занадто старі. Я …

12 confidence-interval  bootstrap  normality-assumption  resampling 

У мене дуже великий набір даних, і близько 5% випадкових значень відсутні. Ці змінні співвідносяться між собою. Наступний приклад набору даних R - це лише іграшковий приклад з манекено-корельованими даними. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

У мене є два сильно перекошених зразка і я намагаюся використовувати завантажувальний аналіз, щоб порівняти їх засоби, використовуючи t-статистику. Яка правильна процедура зробити це? Процес, який я використовую Мене хвилює доцільність використання стандартної помилки вихідних / спостережуваних даних на останньому етапі, коли я знаю, що це нормально не поширюється. Ось …

12 hypothesis-testing  t-test  bootstrap 

Мене хвилює проблема, що я хотів би завантажувати p-значення для оцінки з множини імпульсованих (MI) даних, але мені незрозуміло, як поєднувати р-значення для МІ-множин.θθ\theta Для наборів даних ІМ стандартний підхід для досягнення загальної дисперсії оцінок використовує правила Рубіна. Дивіться тут огляд об’єднання наборів даних MI. Квадратний корінь загальної дисперсії служить …

12 confidence-interval  variance  p-value  bootstrap  multiple-imputation 

У мене досить складна проблема аналізу рішень, пов’язана з тестуванням надійності, і логічний підхід (мені здається) передбачає використання MCMC для підтримки байєсівського аналізу. Однак було висловлено припущення, що було б доцільніше використовувати підхід до завантаження. Чи може хтось запропонувати довідку (або три), яка може підтримувати використання будь-якої техніки над іншою …

12 bayesian  bootstrap 

У стандартній формі завантажувальний інструмент може бути використаний для обчислення довірчих інтервалів оціночної статистики за умови, що спостереження є ідентичними. І. Віссер та ін. в " Інтервали довіри для прихованих параметрів моделі Маркова " використовували параметричний завантажувальний інструмент для обчислення ІС для параметрів HMM. Однак, коли ми поміщаємо HMM на …

12 confidence-interval  bootstrap  hidden-markov-model