Domande taggate «assumptions»

Si riferisce alle condizioni alle quali una procedura statistica produce stime e / o inferenze valide. Ad esempio, molte tecniche statistiche richiedono l'assunto che i dati vengano campionati casualmente in qualche modo. I risultati teorici sugli stimatori di solito richiedono ipotesi sul meccanismo di generazione dei dati.

2
Normalmente X e Y distribuiti hanno maggiori probabilità di provocare residui normalmente distribuiti?
Qui viene discussa l'interpretazione errata dell'assunzione della normalità nella regressione lineare (che la "normalità" si riferisce alla X e / o Y anziché ai residui) e il poster chiede se è possibile avere X e Y non distribuiti normalmente e hanno ancora residui normalmente distribuiti. La mia domanda è: normalmente …
2
Interpretazione matrice varianza-covarianza
Supponiamo di avere un modello lineare Model1e vcov(Model1)dare la seguente matrice: (Intercept) latitude sea.distance altitude (Intercept) 28.898100 -23.6439000 -34.1523000 0.50790600 latitude -23.643900 19.7032500 28.4602500 -0.42471450 sea.distance -34.152300 28.4602500 42.4714500 -0.62612550 altitude 0.507906 -0.4247145 -0.6261255 0.00928242 Per questo esempio, cosa mostra effettivamente questa matrice? Quali ipotesi possiamo fare in modo sicuro …
1
Qual è un buon indice del grado di violazione della normalità e quali etichette descrittive potrebbero essere associate a tale indice?
Contesto: In una domanda precedente, @Robbie ha chiesto in uno studio con circa 600 casi perché i test di normalità suggerissero una non-normalità significativa, ma i grafici suggerivano distribuzioni normali . Diverse persone hanno sottolineato che i test di significatività della normalità non sono molto utili. Con piccoli campioni, tali …
1
R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?
Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …
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 
3
L'assunzione di linearità nella regressione lineare è semplicemente una definizione di
Sto rivedendo la regressione lineare. Il libro di testo di Greene afferma: Ora, naturalmente, ci saranno altre ipotesi sul modello di regressione lineare, come E(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0 . Questa assunzione combinata con l'assunzione di linearità (che in effetti definisce ϵϵ\epsilon ), mette la struttura sul modello. Tuttavia, l'assunto di linearità di per …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.