Nell'approccio frequentista all'inferenza, le procedure statistiche sono valutate in base alle loro prestazioni su un ipotetico lungo periodo di ripetizioni di un processo che si ritiene abbia generato i dati.
Qualcuno può dare una buona panoramica delle differenze tra l'approccio bayesiano e quello frequentista alla probabilità? Da quello che ho capito: L'opinione dei frequentatori è che i dati sono un campione casuale ripetibile (variabile casuale) con una frequenza / probabilità specifica (che è definita come la frequenza relativa di un …
Come estraneo, sembra che ci siano due punti di vista in competizione su come si dovrebbe eseguire l'inferenza statistica. I due diversi metodi sono entrambi considerati validi dagli statistici che lavorano? Scegliere uno è considerato più una domanda filosofica? Oppure la situazione attuale è considerata problematica e si stanno tentando …
Sto guardando alcune diapositive di lezione su un corso di scienza dei dati che può essere trovato qui: https://github.com/cs109/2015/blob/master/Lectures/01-Introduction.pdf Purtroppo, non riesco a vedere il video di questa lezione e ad un certo punto della diapositiva, il presentatore ha il seguente testo: Alcuni principi chiave Pensa come un bayesiano, controlla …
Sto aiutando i miei ragazzi, attualmente al liceo, a capire le statistiche e sto prendendo in considerazione l'idea di iniziare con alcuni semplici esempi senza trascurare alcuni scorci di teoria. Il mio obiettivo sarebbe quello di fornire loro l'approccio più intuitivo ma strumentalmente costruttivo per apprendere le statistiche da zero, …
Morey et al (2015) sostengono che gli intervalli di confidenza sono fuorvianti e ci sono molteplici preconcetti legati alla loro comprensione. Tra gli altri, descrivono l'errore di precisione come segue: L'errore di precisione L'ampiezza di un intervallo di confidenza indica la precisione della nostra conoscenza del parametro. Intervalli di confidenza …
Spiegherò il mio problema con un esempio. Supponiamo di voler prevedere il reddito di un individuo in base ad alcuni attributi: {Età, Genere, Paese, Regione, Città}. Hai un set di dati di allenamento come questo train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", …
Qual è la motivazione dell'introduzione di un ulteriore livello di riferimento indiretto dal "falso positivo" descrittivo all'intero "1"? Il "falso positivo" è davvero troppo lungo?
Alcune fonti affermano che la funzione di verosimiglianza non è una probabilità condizionata, altre lo dicono. Questo è molto confuso per me. Secondo la maggior parte delle fonti che ho visto, la probabilità di una distribuzione con il parametro dovrebbe essere un prodotto delle funzioni di massa di probabilità dati …
La precisione è definita come: p = true positives / (true positives + false positives) È corretto che, come true positivese false positivesavvicinarsi a 0, la precisione si avvicina a 1? Stessa domanda da ricordare: r = true positives / (true positives + false negatives) Attualmente sto implementando un test …
Ho sentito che quando molte specifiche del modello di regressione (diciamo, in OLS) sono considerate come possibilità per un set di dati, ciò causa molteplici problemi di confronto e i valori di p e gli intervalli di confidenza non sono più affidabili. Un esempio estremo di ciò è la regressione …
Ho sentito l'idea che Jaynes afferma che i frequentatori operano con un "precedente implicito". Che cosa sono o sono questi priori impliciti? Questo significa che i modelli frequentisti sono tutti casi speciali di modelli bayesiani che aspettano di essere trovati?
Le statistiche del frequentista per me sono anche sinonimo di decisione presa per tutti i possibili campioni. Vale a dire, una regola di decisione del frequentista dovrebbe sempre cercare di ridurre al minimo il rischio del frequentista, che dipende da una funzione di perdita e dal vero stato della natura …
In un commento recentemente pubblicato qui un commentatore ha indicato un blog di Larry Wasserman che sottolinea (senza alcuna fonte) che l'inferenza del frequentatore si scontra con il principio di verosimiglianza. Il principio di verosimiglianza afferma semplicemente che gli esperimenti che producono funzioni di verosimiglianza simili dovrebbero produrre inferenze simili. …
Durante la partecipazione alle conferenze, i sostenitori delle statistiche bayesiane hanno spinto un po 'a valutare i risultati degli esperimenti. È vantato come sia più sensibile, appropriato e selettivo verso scoperte autentiche (meno falsi positivi) rispetto alle statistiche frequentiste. Ho esplorato un po 'l'argomento e non sono ancora convinto dei …
Voglio davvero conoscere le tecniche bayesiane, quindi ho cercato di insegnarmi un po '. Tuttavia, ho difficoltà a vedere quando si usano le tecniche bayesiane per conferire un vantaggio ai metodi frequentisti. Ad esempio: ho visto in letteratura un po 'su come alcuni usano priori informativi mentre altri usano prima …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.