Запитання з тегом «poisson-distribution»

В ієрархічній моделі даних де y ∼ Пуассон ( λ ) λ ∼ Гамма ( α , β ) на практиці типово вибирати значення ( α , β ), такі, що середнє значення та дисперсія гамма-розподілу приблизно збігаються з середнє значення та відмінність даних y (наприклад, Клейтон та Калдор, 1987, …

11 poisson-distribution  gamma-distribution  hierarchical-bayesian  hyperparameter 

Я хочу пов’язати дефекти коду з такими показниками складності коду, як близькість. Одна поширена модель полягає в тому, щоб розглядати це як процес Пуассона, де тривалість - це скільки часу витрачається на кодування, а щільність - функція складності коду. Я в змозі зробити регресію і отримати значення значущості тощо. Однак …

11 regression  data-visualization  poisson-distribution 

У мене є набір даних, що містить кількість дій, здійснених особами протягом 7 днів. Конкретна дія не повинна відповідати цьому питанню. Ось деякі описові статистичні дані для набору даних: ДальністьСереднійВаріантністьКількість спостережень0 - 77218.22791 рік696Дальність0-772Середній18.2Варіантність2791 рікКількість спостережень696 \begin{array}{|c|c|} \hline \text{Range} & 0 - 772 \\ \hline \text{Mean} & 18.2 \\ \hline …

11 r  distributions  poisson-distribution  mean  sample 

Для аналізу нульових завищених підрахунків птахів я б хотів застосувати моделі підрахунку нуля завищеними за допомогою пакету R pscl . Однак, переглянувши приклад, поданий у документації для однієї з основних функцій ( ? Zeroinfl ), я починаю сумніватися, у чому реальна перевага цих моделей. Відповідно до наведеного там зразка коду, …

11 r  poisson-distribution  zero-inflation 

По-перше, у мене виникає питання, чи є розподіл Пуассона "стабільним" чи ні. Дуже наївно (і я не надто впевнений у "стабільних" розподілах), я розробив розподіл лінійної комбінації розподілених Р. Пуассоном, використовуючи продукт MGF. Схоже, я отримую ще один Пуассон, параметр якого дорівнює лінійній комбінації параметрів окремих RV. Отож я роблю …

11 distributions  poisson-distribution  mgf 

В даний час я працюю над проектом, в якому беруть участь GLM (і, зрештою, GAM) з деякими підрахунками часу. Зазвичай я б робив це в SAS, але я намагаюся перейти до R, і у мене є ... проблеми. Коли я підходить GLM для підрахунку даних, використовуючи наступне: cdi_model <- glm(counts …

11 r  poisson-distribution  generalized-linear-model 

Чи може хтось показати, як очікуване значення та дисперсія нульового завищеного Пуассона з функцією маси ймовірності f(y)={π+(1−π)e−λ,(1−π)λye−λy!,if y=0if y=1,2....f(y)={π+(1−π)e−λ,if y=0(1−π)λye−λy!,if y=1,2.... f(y) = \begin{cases} \pi+(1-\pi)e^{-\lambda}, & \text{if }y=0 \\ (1-\pi)\frac{\lambda^{y}e^{-\lambda}}{y!}, & \text{if }y=1,2.... \end{cases} де - ймовірність того, що спостереження дорівнює нулю за двочленним процесом, а - середнє значення Пуассона?ππ\piλλ\lambda …

11 variance  poisson-distribution  expected-value  zero-inflation 

Чи можна розподіл пуассона використовувати для аналізу безперервних даних, а також дискретних даних? У мене є кілька наборів даних, де змінні відповіді є безперервними, але більше нагадують розподіл Пуассона, а не звичайне. Однак розподіл пуассона є дискретним розподілом і зазвичай стосується чисел чи підрахунків.

11 distributions  regression  poisson-distribution  continuous-data 

У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Моє запитання виявляє моє слабке розуміння регресії Пуассона та ГЛМ загалом. Ось деякі підроблені дані, щоб проілюструвати моє запитання: ### some fake data x=c(1:14) y=c(0, 1, 2, 3, 1, 4, 9, 18, 23, 31, 20, 25, 37, 45) Деякі спеціальні функції для повернення psuedo-R2: ### functions of pseudo-R2 psuR2 <- …

11 generalized-linear-model  poisson-distribution 

Скажіть, у мене є така модель: Poisson(λ)∼{λ1λ2if t<τif t≥τPoisson(λ)∼{λ1if t<τλ2if t≥τ\text{Poisson}(\lambda) \sim \begin{cases} \lambda_1 & \text{if } t \lt \tau \\ \lambda_2 & \text{if } t \geq \tau \end{cases} І я можу зробити для та показані нижче, зі своїх даних. Чи є байесовский спосіб сказати (або кількісної оцінки) , якщо …

10 distributions  bayesian  poisson-distribution 

Використовуючи вікіпедію, я знайшов спосіб обчислити функцію маси ймовірностей, отриману в результаті суми двох випадкових змінних Пуассона. Однак я вважаю, що у мене підхід є неправильним. Нехай - дві незалежні випадкові величини Пуассона із середніми та , де константи та , то функцію, що генерує ймовірність , задається Тепер, використовуючи …

10 distributions  poisson-distribution 

Якщо у нас є дві незалежні випадкові величини та , яка функція маси ймовірностей ?X 2 ∼ P o i s ( λ ) X 1 + X 2X1∼Binom(n,p)X1∼Binom(n,p)X_1 \sim \mathrm{Binom}(n,p)X2∼Pois(λ)X2∼Pois(λ)X_2 \sim \mathrm{Pois}(\lambda)X1+X2X1+X2X_1 + X_2 NB: Для мене це не домашнє завдання.

10 distributions  self-study  binomial  poisson-distribution 

Я використовую регресійну модель Пуассона для підрахунку даних і мені цікаво, чи є причини не використовувати надійну стандартну помилку для оцінки параметрів? Я особливо стурбований тим, що деякі мої оцінки без надійних не суттєві (наприклад, p = 0,13), але з надійними значущими (p <0,01). У SAS це доступно, використовуючи повторне …

10 poisson-distribution  robust 

У мене є GLMM форми: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Під час використання drop1(model, test="Chi")я отримую інші результати, ніж якщо я використовую Anova(model, type="III")з автомобільного пакета або summary(model). Ці два останні дають однакові відповіді. Використовуючи купу сфабрикованих даних, я виявив, що …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion