Запитання з тегом «degrees-of-freedom»

З Вікіпедії є три тлумачення ступенів свободи статистики: У статистиці число ступенів свободи - це кількість значень у підсумковому обчисленні статистики, які можуть змінюватися . Оцінки статистичних параметрів можуть базуватися на різних обсягах інформації або даних. Кількість незалежних фрагментів інформації, що надходять в оцінку параметра, називається ступенем свободи (df). Загалом, …

257 interpretation  degrees-of-freedom  intuition 

Статистика тесту для тесту Хосмера-Лемешоу (HLT) на корисність (GOF) моделі логістичної регресії визначається наступним чином: Потім зразок розбивають на децилів, , на децил, обчислюють такі величини:г= 10d=10d=10D1, D2, … , DгD1,D2,…,DdD_1, D_2, \dots , D_{d} D dО1 д= ∑i ∈ DгуiO1d=∑i∈DdyiO_{1d}=\displaystyle \sum_{i \in D_d} y_i , тобто спостерігається кількість позитивних …

33 regression  logistic  goodness-of-fit  degrees-of-freedom  hosmer-lemeshow-test 

Коли я використовую GAM, це дає мені залишковий коефіцієнт DF (останній рядок у коді). Що це означає? Виходячи за приклад GAM, загалом, чи може число ступенів свободи бути нецілим числом?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

У lmerTestпакеті передбачена anova()функція для лінійних змішаних моделей з необов'язковою програмою Satterthwaite (за замовчуванням) або наближенням Кенвард-Роджера до ступенів свободи (df). Яка різниця між цими двома підходами? Коли вибрати який?

25 r  anova  mixed-model  lme4-nlme  degrees-of-freedom 

Яким чином (лінійні) моделі змішаних ефектів зазвичай порівнюються одна з одною? Я знаю, що можна використовувати тести на коефіцієнт ймовірності, але це не працює, якщо одна модель не є "підмножиною" іншої правильної? Чи завжди оцінка моделей df прямолінійна? Кількість фіксованих ефектів + ​​кількість дисперсійних компонентів, що оцінюються? Чи ігноруємо ми …

22 hypothesis-testing  mixed-model  cross-validation  aic  degrees-of-freedom 

Після проведення аналізу основних компонентів (PCA) я хочу спроектувати новий вектор на простір PCA (тобто знайти його координати в системі координат PCA). Я розрахував PCA мовою R за допомогою prcomp. Тепер я повинен мати можливість помножити свій вектор на матрицю обертання PCA. Чи повинні головні компоненти в цій матриці розташовуватися …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

... і чому ? Припустимо, що , X 2 є незалежними випадковими змінними із середнім μ 1 , μ 2 та дисперсією σ 2 1 , σ 2 2 відповідно. Моя основна книга статистики говорить мені, що розподіл X 1 - X 2 має такі властивості:X1X1X_1X2X2X_2μ1,μ2μ1,μ2\mu_1,\mu_2σ21,σ22σ12,σ22\sigma^2_1,\sigma^2_2X1−X2X1−X2X_1-X_2 E(X1−X2)=μ1−μ2E(X1−X2)=μ1−μ2E(X_1-X_2)=\mu_1-\mu_2 Var(X1−X2)=σ21+σ22Var(X1−X2)=σ12+σ22Var(X_1-X_2)=\sigma^2_1 +\sigma^2_2 Скажімо, …

19 distributions  degrees-of-freedom  t-distribution 

У книзі Бішопа «Класифікація візерунків та машинне навчання» він описує техніку регуляризації в контексті нейронних мереж. Однак я не розумію абзац, що описує, що під час тренувального процесу кількість ступенів свободи збільшується разом зі складністю моделі. Відповідна цитата: Альтернативою регуляризації як способу контролю ефективної складності мережі є процедура раннього припинення. …

17 machine-learning  neural-networks  regularization  degrees-of-freedom 

Я дізнаюся про сплайни з книги "Елементи статистичного вивчення даних, висновок та прогнозування" від Hastie et al. На сторінці 145 я виявив, що природні кубічні сплайни лінійні за межі вузлів. У є KKK вузлів, і про такий сплайн у книзі наведено наступне.ξ1,ξ2,...ξKξ1,ξ2,...ξK\xi_1, \xi_2, ... \xi_K Питання 1: Як звільняються 4 …

17 regression  degrees-of-freedom  splines  constraint  cubic 

Процедура SPSS t-Test повідомляє про 2 аналізи при порівнянні 2 незалежних засобів, один аналіз із рівними відхиленнями та один із рівними відхиленнями, які не передбачаються. Ступені свободи (df), коли приймаються рівні дисперсії, завжди є цілими значеннями (і рівними n-2). Коефіцієнт df, коли не передбачається рівних дисперсій, не є цілим числом …

15 hypothesis-testing  t-test  heteroscedasticity  degrees-of-freedom  t-distribution 

Т-тест Велча на неоднакові дисперсії (також відомий як Велч-Саттерватвайт або Велч-Аспін), як правило, має не цілі ступені ступеня свободи . Як слід цитувати ці ступені свободи при повідомленні про результати тесту? "Зазвичай, округляючи до найближчого цілого числа, перш ніж звертатися до стандартних таблиць t", відповідно до різних джерел * - …

14 t-test  degrees-of-freedom  reporting 

Я хочу обчислити AICc моделі регресії хребта. Проблема - кількість параметрів. Для лінійної регресії більшість людей припускають, що кількість параметрів дорівнює кількості оцінених коефіцієнтів плюс сигма (дисперсія похибки). Якщо мова йде про регресію хребта, я читаю, що слід матриці капелюхів - ступінь свободи (df) - просто використовується як кількість термінів …

13 regression  aic  ridge-regression  degrees-of-freedom 

Ступінь свободи в множинній регресії дорівнює , де k - кількість змінних.N- k - 1N−k−1N-k-1kkk Чи мають включають змінний відгук (тобто, Y )? Наприклад, у моделі Y = B 0 + B 1 X 1 + B 2 X 2 , то k = 3 (тобто, 1 df кожен для …

13 self-study  multiple-regression  degrees-of-freedom 

Zou та ін. "Про" ступені свободи "ласо" (2007) показують, що кількість ненульових коефіцієнтів є неупередженою і послідовною оцінкою ступенів свободи ласо. Мені це здається трохи протизаконним. Припустимо, ми маємо регресійну модель (де значення змінних дорівнюють нулю) у= βx + ε .y=βx+ε.y=\beta x + \varepsilon. Припустимо, необмежена оцінка OLS становить . …

12 regression  lasso  degrees-of-freedom  shrinkage 

Короткий зміст: Чи існує яка-небудь статистична теорія, яка б підтримувала використання -розподілу (зі ступенями свободи на основі залишкового відхилення) для тестів коефіцієнтів логістичної регресії, а не стандартного нормального розподілу?ttt Деякий час тому я виявив, що при встановленні логістичної регресійної моделі в SAS PROC GLIMMIX, за замовчуванням, коефіцієнти логістичної регресії перевіряються …

12 r  logistic  mathematical-statistics  sas  degrees-of-freedom