Statistiche e Big Data bias

2

Supponiamo la seguente relazione lineare: , dove è la variabile dipendente, una singola variabile indipendente e il termine di errore.Y i X i u iYio= β0+ β1Xio+ uioYi=β0+β1Xi+uiY_i = \beta_0 + \beta_1 X_i + u_iYioYiY_iXioXiX_iuiouiu_i Secondo Stock & Watson (Introduzione all'econometria; capitolo 4 ), il terzo presupposto dei minimi quadrati …

9 regression least-squares assumptions bias consistency

2

Gli stimatori degli alberi sono SEMPRE di parte?

Sto facendo i compiti sugli alberi decisionali e una delle domande a cui devo rispondere è "Perché gli stimatori sono costruiti su alberi distorti e in che modo l'insacco aiuta a ridurne la varianza?". Ora, so che i modelli troppo equipaggiati tendono ad avere una propensione molto bassa, perché cercano …

9 cart bias

3

Cos'è questo compromesso di bias varianza per i coefficienti di regressione e come derivarlo?

In questo documento , ( Bayesian Inference for Variance Components Using Only Error Contrasts , Harville, 1974), l'autore afferma per essere un "noto relazione ", per una regressione lineare dove \ epsilon \ sim \ mathcal {N} (0, H).(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y-X\beta)'H^{-1}(y-X\beta)=(y-X\hat\beta)'H^{-1}(y-X\hat\beta)+(\beta-\hat\beta)'(X'H^{-1}X)(\beta-\hat\beta)y=Xβ+ϵ,y=Xβ+ϵ,y=X\beta+\epsilon,ϵ∼N(0,H).ϵ∼N(0,H).\epsilon\sim\mathcal{N}(0, H). Come è noto questo? Qual è il modo più semplice …

9 regression regression-coefficients heteroscedasticity bias linear-algebra

2

Orientamento all'ottimismo: stime dell'errore di previsione

Il libro Elements of Statistical Learning (disponibile in PDF online) discute il pregiudizio ottimisim (7.21, pagina 229). Indica che il pregiudizio all'ottimismo è la differenza tra l'errore dell'allenamento e l'errore nel campione (errore osservato se campioniamo nuovi valori di risultato in ciascuno dei punti di allenamento originali) (per sotto). Successivamente, …

9 error bias validation

2

Modello di rischio proporzionale di Cox e campione selezionato in modo non casuale

Esistono metodi per correggere la distorsione nel modello di rischio proporzionale di Cox causato da un campione selezionato in modo non casuale (qualcosa come la correzione di Heckman)? Contesto : diciamo che la situazione è la seguente: - Durante i primi due anni tutti i clienti sono accettati. - Dopo …

9 bias cox-model

2

perché l'imparzialità non implica coerenza

Sto leggendo il deep learning di Ian Goodfellow et al. Introduce la distorsione come dove e sono rispettivamente il parametro stimato e il parametro reale sottostante.Bias(θ)=E(θ^)−θBias(θ)=E(θ^)−θBias(\theta)=E(\hat\theta)-\thetaθ^θ^\hat\thetaθθ\theta La coerenza, d'altra parte, è definita da che significa che per qualsiasi , comel i mm → ∞θ^m= θlimm→∞θ^m=θ\mathrm{lim}_{m\to\infty}\hat\theta_m=\thetaϵ > 0ϵ>0\epsilon > 0P( |θ^m- …

9 estimation bias unbiased-estimator consistency

3

Utilizzando i pesi di regressione quando

Supponiamo di osservare i dati e che vorremmo adattare un modello di regressione per . Sfortunatamente, è talvolta misurato con errori la cui media è diversa da zero.Y, XY,XY, XE [Y|X]E[Y|X]\mathbf{E}[Y \,|\, X]YYY Consenti a indicare se viene misurato rispettivamente con errori di media zero classici o con errori non …

8 regression bias measurement-error weighted-regression

Domande taggate «bias»