Запитання з тегом «estimation»

Припустимо, у нас є процес Бернуллі з ймовірністю відмови qqq (який буде малим, скажімо, q≤0.01q≤0.01q \leq 0.01 ), з якого ми робимо вибірку, поки не зіткнемся з 101010 відмов. Таким чином , ми оцінюємо ймовірність відмови , як д : = 10 / N , де N являє собою число …

15 estimation  bernoulli-distribution 

Перестановочні тести (також називаються тестом рандомизації, тестом на повторну рандомізацію або точним тестом) дуже корисні і корисні, коли припущення про нормальний розподіл, необхідне, наприклад, t-testне виконується, і при перетворенні значень за ранжуванням непараметричний тест, як-от Mann-Whitney-U-test, призведе до втрати більше інформації. Однак одне і єдине припущення не слід оминути увагою …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Мені потрібно «навчитися» розподілу біваріантного гаусса з кількома зразками, але гарна гіпотеза щодо попереднього розподілу, тому я хотів би скористатися байєсівським підходом. Я визначив своє попереднє: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = \begin{bmatrix} 16 & 0 \\ …

15 distributions  bayesian  estimation  covariance  posterior 

Загальний підхід для оцінки параметрів нормального розподілу полягає у використанні середнього та стандартного відхилення / дисперсії вибірки. Однак якщо є якісь пережиті люди, медіана та відхилення медіани від медіани повинні бути набагато стійкішими, правда? У деяких наборах даних, які я намагався, звичайний розподіл, оцінений N(median(x),median|x−median(x)|)N(median(x),median|x−median(x)|)\mathcal{N}(\text{median}(x), \text{median}|x - \text{median}(x)|) здається, набагато …

15 normal-distribution  estimation  outliers  robust  unbiased-estimator 

Скажімо, у мене є великий набір значень які іноді повторюються. Я хочу оцінити загальну кількість унікальних значень у великій множині.SSS Якщо я беру випадкову вибірку значень і визначаю, що вона містить унікальні значення , чи можу я використати це для оцінки кількості унікальних значень у великій множині?ТТTТуТуT_u

15 estimation  sampling 

Я намагаюся використовувати функцію ' щільності ' в R, щоб робити оцінки щільності ядра. У мене виникають труднощі з інтерпретацією результатів та порівнянням різних наборів даних, оскільки, здається, площа під кривою не обов'язково 1. Для будь-якої функції щільності ймовірностей (pdf) нам потрібно мати область . Я припускаю, що оцінка щільності …

15 r  estimation  pdf  kernel-smoothing  auc 

Джеффрі Уолдрідж у своєму Економетричному аналізі даних перерізів та панелей (стор. 357) говорить, що емпіричний Гессіан "не гарантується певним позитивним чи навіть позитивним напівфінітом для конкретного зразка, з яким ми працюємо". Мені це здається неправильним, оскільки (числові проблеми, крім) Гессіан повинен бути позитивним напівдефінітом у результаті визначення М-оцінника як значення …

15 estimation  maximum-likelihood  econometrics  asymptotics 

Мене сприймає ідея усадки Джеймса-Штейна (тобто, що нелінійна функція одного спостереження за вектором, можливо, незалежних нормалей може бути кращим оцінником засобів випадкових величин, де «краще» вимірюється квадратичною помилкою ). Однак я ніколи не бачив цього в прикладній роботі. Ясно, що я недостатньо добре читаю. Чи є класичні приклади, коли Джеймс-Штейн …

15 estimation  error  shrinkage  application  steins-phenomenon 

Я думаю, я вже зрозумів математичне визначення послідовного оцінювача. Виправте мене, якщо я помиляюся: WnWnW_n - послідовний оцінювач дляθθ\theta якщо∀ϵ>0∀ϵ>0\forall \epsilon>0 limn→∞P(|Wn−θ|>ϵ)=0,∀θ∈Θlimn→∞P(|Wn−θ|>ϵ)=0,∀θ∈Θ\lim_{n\to\infty} P(|W_n - \theta|> \epsilon) = 0, \quad \forall\theta \in \Theta Де - параметричний простір. Але я хочу зрозуміти необхідність того, щоб оцінювач був послідовним. Чому невідповідний оцінювач поганий? …

15 estimation  consistency 

У мене є дані про працівників великої італійської фірми за десять років, і я хотів би побачити, як гендерний розрив у доходах чоловіків і жінок змінювався з часом. Для цього я запускаю об'єднаний OLS: yit=X′itβ+δmalei+∑t=110γtdt+εityit=Xit′β+δmalei+∑t=110γtdt+εit y_{it} = X'_{it}\beta + \delta {\rm male}_i + \sum^{10}_{t=1}\gamma_t d_t + \varepsilon_{it} де yyy - …

15 hypothesis-testing  estimation  econometrics  fixed-effects-model 

Я намагаюся зрозуміти деякі статті Марка ван дер Лаана. Він теоретичний статистик в Берклі, який працює над проблемами, які суттєво перегукуються з машинним навчанням. Одна з проблем для мене (крім глибокої математики) полягає в тому, що він часто закінчує опис звичних підходів до машинного навчання, використовуючи зовсім іншу термінологію. Одне …

15 mathematical-statistics  estimation  nonparametric  autocorrelation  censoring 

Я переглядаю документ, який використовує нерівність оракул, щоб довести щось, але я не в змозі зрозуміти, що він навіть намагається зробити. Коли я шукав в Інтернеті про "нерівність Oracle", деякі джерела направили мене до статті "Candes, Emmanuel J." Сучасна статистична оцінка через нерівності оракул ". "які можна знайти тут https://statweb.stanford.edu/~candes/papers/NonlinearEstimation.pdf …

15 mathematical-statistics  estimation  probability-inequalities  inequality  oracle 

Мені цікаво, чи максимальна оцінка вірогідності коли-небудь використовується в статистиці. Ми дізнаємось про концепцію, але цікаво, коли вона насправді використовується. Якщо припустити розподіл даних, ми знайдемо два параметри, один для середнього та один для дисперсії, але чи реально ви їх використовуєте в реальних ситуаціях? Хтось може сказати мені простий випадок, …

14 estimation  maximum-likelihood 

& Thetasθ^\hat\theta ; & thetas*θ∗\theta^*пnn‖ˆθ−θ∗‖∥θ^−θ∗∥\lVert\hat\theta-\theta^*\rVertO(1/√n)O(1/n−−√)O(1/\sqrt n)‖Eˆθ−θ∗‖∥Eθ^−θ∗∥\lVert \mathbb E\hat\theta - \theta^*\rVert‖Eˆθ−ˆθ‖∥Eθ^−θ^∥\lVert \mathbb E\hat\theta - \hat\theta\rVertO(1/√n)O(1/n−−√)O(1/\sqrt{n}) Мене цікавлять моделі, які мають ухил, який скорочується швидше, ніж , але де помилка не зменшується з такою швидкістю, оскільки відхилення все ще скорочується як . Зокрема, я хотів би знати достатні умови, щоб ухил моделі …

14 variance  estimation  maximum-likelihood  bias 

У певних випадках Джефріс до повної багатовимірної моделі в цілому вважається неадекватним, це, наприклад, у випадку: (де ε ∼ N ( 0 , σ 2 ) , з µ і σ невідомо), де кращим є наступний пріоритет (до повного Джеффрі до π ( μ , σ ) ∝ σ - …

14 distributions  bayesian  estimation  prior  jeffreys-prior