Запитання з тегом «model»

Це не питання домашньої роботи, а реальна проблема, з якою стикається наша компанія. Зовсім недавно (2 дні тому) ми замовили виготовлення 10000 етикеток продукції у дилера. Дилер - незалежна людина. Він отримує етикетки, виготовлені ззовні, і компанія здійснює оплату продавцю. Кожна етикетка коштувала компанії рівно $ 1. Вчора дилер прийшов …

66 probability  bayesian  model  decision-theory 

У моєму розрахунку для моделі є кілька коваріатів, і не всі вони є статистично значимими. Чи слід видаляти ті, що їх немає? Це питання обговорює явище, але не відповідає на моє запитання: Як інтерпретувати несуттєвий ефект коваріату в ANCOVA? У відповіді на це запитання немає нічого, що говорить про те, …

39 regression  statistical-significance  ancova  model  predictor 

У мене є дані, зібрані з експерименту, організованого таким чином: Два майданчики, на кожному з 30 дерев. 15 обробляються, 15 - контролюються на кожній ділянці. З кожного дерева ми відбираємо три шматки стебла і три шматки коренів, так що 6 зразків рівня 1 на дерево, що представлено одним із двох …

34 r  mixed-model  model  nested-data  lme4-nlme 

Просто думка: Парсимоніальні моделі завжди були типовим методом вибору моделі, але наскільки цей підхід застарів? Мені цікаво, наскільки наша тенденція до парсингу - це пережиток часу правил abaci і slide (або, що серйозніше, не сучасних комп'ютерів). Сьогоднішня обчислювальна потужність дозволяє нам будувати все більш складні моделі з все більшою здатністю …

31 predictive-models  model-selection  model 

У цій публікації в блозі Ендрю Гелмана є такий пасаж: Моделі Байєса 50 років тому здаються безнадійно простими (за винятком, звичайно, простих проблем), і я думаю, що байєсівські моделі сьогодні будуть здаватися безнадійно простими, 50 років тому. (Просто для простого прикладу: ми, мабуть, повинні регулярно використовувати t, а не звичайні …

30 distributions  bayesian  normal-distribution  model  robust 

Відповіді (визначення), визначені у Вікіпедії, є, мабуть, трохи критиками для тих, хто не знає вищу математику / статистику. У математичних термінах, статистична модель зазвичай вважаються як пара ( ), де S є безліч можливих спостережень, тобто вибіркового простору, а P являє собою безліч імовірнісних розподілів на S .S, СS,PS, \mathcal{P}SSSПP\mathcal{P}SSS …

28 distributions  model  terminology 

Припустимо, що модель має 100% точність на даних тренувань, але 70% точність на даних тесту. Чи справедливо наступний аргумент щодо цієї моделі? Очевидно, що це надмірна модель. Точність тесту може бути підвищена за рахунок зменшення насадки. Але ця модель все ще може бути корисною моделлю, оскільки вона має прийнятну точність …

25 model  accuracy  overfitting 

Я стежу за AW van der Vaart, асимптотичною статистикою (1998). Він розповідає про статистичні експерименти, стверджуючи, що вони відрізняються від статистичної моделі, але не визначає жодного. Моє запитання: Що таке (1) статистичний експеримент, (2) статистична модель та (3), що є ключовим інгредієнтом, який завжди відрізнятиме статистичний експеримент від будь-якої статистичної …

17 mathematical-statistics  inference  experiment-design  descriptive-statistics  model 

Що таке нульова модель в регресії та яка взаємозв'язок між нульовою моделлю та нульовою гіпотезою? Наскільки я розумію, чи означає це? Використовуючи "середню змінну відповіді" для прогнозування змінної безперервної відповіді? Використовуючи "розподіл міток" для прогнозування дискретних змінних відповідей? Якщо це так, то, здається, відсутні відсутні зв'язки між нульовою гіпотезою.

16 regression  hypothesis-testing  classification  terminology  model 

Орієнтовна обчислення Байєса - це дійсно класна методика підгонки в основному будь-якої стохастичної моделі, призначена для моделей, де ймовірність не виправдана (скажімо, ви можете зробити вибірку з моделі, якщо ви фіксуєте параметри, але не можете чисельно, алгоритмічно чи аналітично обчислити ймовірність). При впровадженні аудиторії приблизних байєсівських обчислень (ABC) приємно використовувати …

16 bayesian  simulation  model  likelihood  abc 

Я експериментую з алгоритмом машини для підвищення градієнта через caretпакет в Р. Використовуючи невеликий набір даних про вступ до коледжу, я застосував такий код: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting machine …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

Я роблю пропорційну регресію небезпеки Кокса в R coxph, яка включає багато змінних. Залишки Мартингейла виглядають чудово, а залишки Шенфельда чудово підходять для всіх змінних. Існує три змінні, залишки яких по Шенфельду не є плоскими, а природа змінних така, що має сенс, що вони могли змінюватися з часом. Це змінні, …

15 r  model  cox-model  hazard  schoenfeld-residuals 

Я взяв курс машинного навчання в коледжі. В одній із цитат було задано це питання. Модель 1: y=θx+ϵy=θx+ϵ y = \theta x + \epsilon Модель 2: y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon Яка з перерахованих моделей краще відповідатиме даним? (припустимо, дані можна моделювати за допомогою лінійної …

14 regression  machine-learning  self-study  modeling  model 

Класична обробка статистичного умовиводу спирається на припущення, що існує правильно вказана статистика. Тобто розподіл P∗(Y)P∗(Y)\mathbb{P}^*(Y) який генерував спостережувані дані yyy є частиною статистичної моделі MM\mathcal{M} : P∗(Y)∈M={Pθ(Y):θ∈Θ}P∗(Y)∈M={Pθ(Y):θ∈Θ}\mathbb{P}^*(Y) \in \mathcal{M}=\{\mathbb{P}_\theta(Y) :\theta \in \Theta\} Однак у більшості ситуацій ми не можемо припустимо, що це дійсно так. Цікаво, що станеться зі статистичними процедурами …

14 hypothesis-testing  confidence-interval  model  frequentist  misspecification 

У мене є питання щодо мого використання змішаної моделі / лмера. Основна модель така: lmer(DV ~ group * condition + (1|pptid), data= df) Група і стан - це обидва фактори: група має два рівні (група A, група B), а стан має три рівні (умова1, умова2, умова3). Це дані від людських …

14 interaction  interpretation  lme4-nlme  model