Domande taggate «bootstrap»

Il bootstrap è un metodo di ricampionamento per stimare la distribuzione campionaria di una statistica.

1
Qual è l'intuizione dietro i campioni scambiabili sotto l'ipotesi nulla?
I test di permutazione (chiamati anche test di randomizzazione, test di ri-randomizzazione o test esatto) sono molto utili e sono utili quando l'assunzione della distribuzione normale richiesta da per esempio t-testnon è soddisfatta e quando la trasformazione dei valori per classifica del test non parametrici come Mann-Whitney-U-testquesto porterebbero alla perdita …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
3
Bootstrap: il problema del sovradimensionamento
Supponiamo che uno esegua il cosiddetto bootstrap non parametrico tracciando campioni di dimensioni n ciascuno ciascuno dalle n osservazioni originali con sostituzione. Credo che questa procedura equivale a stimare la funzione di distribuzione cumulativa dal cdf empirico:BBBnnnnnn http://en.wikipedia.org/wiki/Empirical_distribution_function e quindi ottenere i campioni di bootstrap simulando osservazioni dalla stima b …
3
Domande sul bootstrap parametrico e non parametrico
Sto leggendo il capitolo di Frequent Statistics dal libro di Kevin Murphy " Machine Learning - A Probabilistic Perspective ". La sezione su bootstrap dice: Il bootstrap è una semplice tecnica Monte Carlo per approssimare la distribuzione del campionamento. Ciò è particolarmente utile nei casi in cui lo stimatore è …
1
Questo metodo di ricampionamento delle serie storiche è noto in letteratura? ha un nome?
Recentemente stavo cercando modi per ricampionare le serie storiche, in questo modo Preservare approssimativamente l'auto-correlazione di lunghi processi di memoria. Preservare il dominio delle osservazioni (ad esempio una serie temporale ricomposta di numeri interi è ancora una serie temporale di numeri interi). Può influire solo su alcune scale, se necessario. …
4
Intervalli di previsione per algoritmi di apprendimento automatico
Voglio sapere se il processo descritto di seguito è valido / accettabile e qualsiasi giustificazione disponibile. L'idea: gli algoritmi di apprendimento supervisionato non assumono strutture / distribuzioni sottostanti sui dati. Alla fine della giornata forniscono stime dei punti. Spero in qualche modo di quantificare l'incertezza delle stime. Ora, il processo …
1
Perché l'errore “aggiustamento stimato 'a' è NA” generato dal pacchetto di avvio R quando si calcolano gli intervalli di confidenza usando il metodo bca?
Ho un vettore di numeri che ho caricato qui (... / code / MyData.Rdata) usando dput. Vorrei ottenere il bca ci quindi ho scritto questo codice: my.mean <- function(dat, idx){ return (mean(dat[idx], na.rm = TRUE)) } boot.out<-boot(data=my.data, statistic = my.mean, R=1000) Ma quando eseguo quanto segue ottengo questo: > boot.ci(boot.out) …
14 r  bootstrap 
1
Perché usare il bootstrap parametrico?
Attualmente sto cercando di capire meglio alcune cose riguardanti il ​​bootstrap parametrico. La maggior parte delle cose sono probabilmente banali, ma penso ancora che potrei essermi perso qualcosa. Supponiamo che io voglia ottenere intervalli di confidenza per i dati usando una procedura di bootstrap parametrica. Quindi ho questo campione e …
1
Gli errori standard di bootstrap e gli intervalli di confidenza sono appropriati nelle regressioni in cui l'assunzione di omoscedasticità è violata?
Se nelle regressioni OLS standard vengono violate due assunzioni (distribuzione normale di errori, omoscedasticità), il bootstrap degli errori standard e degli intervalli di confidenza è un'alternativa appropriata per arrivare a risultati significativi rispetto alla significatività dei coefficienti regressore? I test di significatività con errori standard avviati e intervalli di confidenza …
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.