Domande taggate «bootstrap»

Ho un campione (di dimensioni 250) da una popolazione. Non conosco la distribuzione della popolazione. La domanda principale: voglio una stima puntuale del primo percentile della popolazione, e quindi voglio un intervallo di confidenza del 95% attorno alla mia stima puntuale. La mia stima puntuale sarà il primo campione del …

9 confidence-interval  bootstrap  quantiles  extreme-value 

Da altri post ho ottenuto che non si può attribuire "importanza" o "significato" alle variabili predittive che entrano in un modello di lazo perché il calcolo dei valori p di tali variabili o deviazioni standard è ancora in corso. In base a tale ragionamento, è corretto affermare che NON PUO …

9 statistical-significance  bootstrap  simulation  lasso  regression-strategies 

So che se ricampiona più volte da un set di dati e calcoli la media ogni volta, questi mezzi seguiranno una distribuzione normale (da parte del CLT). Pertanto, è possibile calcolare un intervallo di confidenza sulla media del set di dati senza fare ipotesi sulla distribuzione di probabilità del set …

9 distributions  confidence-interval  bootstrap  resampling 

Sia osservazioni distinte (nessun legame). Lascia che denoti un campione bootstrap (un campione dal CDF empirico) e che . Trova e .X1,...,XnX1,...,XnX_{1},...,X_{n}X∗1,...,X∗nX1∗,...,Xn∗X_{1}^{*},...,X_{n}^{*}X¯∗n=1n∑ni=1X∗iX¯n∗=1n∑i=1nXi∗\bar{X}_{n}^{*}=\frac{1}{n}\sum_{i=1}^{n}X_{i}^{*}E(X¯∗n)E(X¯n∗)E(\bar{X}_{n}^{*})Var(X¯∗n)Var(X¯n∗)\mathrm{Var}(\bar{X}_{n}^{*}) Quello che ho finora è che è ciascuno con probabilità quindi ed che dà X∗iXi∗X_{i}^{*}X1,...,XnX1,...,XnX_{1},...,X_{n}1n1n\frac{1}{n}E(X∗i)=1nE(X1)+...+1nE(Xn)=nμn=μE(Xi∗)=1nE(X1)+...+1nE(Xn)=nμn=μ E(X_{i}^{*})=\frac{1}{n}E(X_{1})+...+\frac{1}{n}E(X_{n})=\frac{n\mu}{n}=\mu E(X∗2i)=1nE(X21)+...+1nE(X2n)=n(μ2+σ2)n=μ2+σ2,E(Xi∗2)=1nE(X12)+...+1nE(Xn2)=n(μ2+σ2)n=μ2+σ2,E(X_{i}^{*2})=\frac{1}{n}E(X_{1}^{2})+...+\frac{1}{n}E(X_{n}^{2})=\frac{n(\mu^{2}+\sigma^{2})}{n}=\mu^{2}+\sigma^{2}\>, Var(X∗i)=E(X∗2i)−(E(X∗i))2=μ2+σ2−μ2=σ2.Var(Xi∗)=E(Xi∗2)−(E(Xi∗))2=μ2+σ2−μ2=σ2. \mathrm{Var}(X_{i}^{*})=E(X_{i}^{*2})-(E(X_{i}^{*}))^{2}=\mu^{2}+\sigma^{2}-\mu^{2}=\sigma^{2} \>. Quindi, e poiché ' sono indipendenti. Questo dàE(X¯∗n)=E(1n∑i=1nX∗i)=1n∑i=1nE(X∗i)=nμn=μE(X¯n∗)=E(1n∑i=1nXi∗)=1n∑i=1nE(Xi∗)=nμn=μE(\bar{X}_{n}^{*})=E(\frac{1}{n}\sum_{i=1}^{n}X_{i}^{*})=\frac{1}{n}\sum_{i=1}^{n}E(X_{i}^{*})=\frac{n\mu}{n}=\mu …

9 self-study  variance  bootstrap  cdf  conditional-expectation 

Di recente mi sono imbattuto in una menzione di "bootstrap doppio / triplo" o "bootstrap iterativo". A quanto ho capito, ogni campione bootstrap viene riavviato di nuovo. Qual è il punto? Come si usa

9 bootstrap 

Ho un problema che penso dovrebbe essere semplice ma non riesco a capirlo. Sto guardando l'impollinazione dei semi, ho piante (n = 36) che fioriscono in grappoli, campiono 3 grappoli di fiori da ogni pianta e 6 baccelli di semi da ciascun grappolo (18 baccelli in totale da ogni pianta). …

9 r  distributions  bootstrap  zero-inflation 

I seguenti innesti sono presi da questo articolo . Sono un novizio di bootstrap e sto cercando di implementare il bootstrap bootstrap parametrico, semiparametrico e non parametrico per il modello misto lineare con R bootpacchetto. Codice R Ecco il mio Rcodice: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Supponiamo di avere un modello lineare che soddisfi tutti i presupposti della regressione standard (Gauss-Markov). Siamo interessati a . θ = 1 / β 1yi=β0+β1xi+ϵiyi=β0+β1xi+ϵiy_i = \beta_0 + \beta_1 x_i + \epsilon_iθ = 1 / β1θ=1/β1\theta = 1/\beta_1 Domanda 1: Quali ipotesi sono necessarie per definire bene la distribuzione di …

9 regression  distributions  maximum-likelihood  bootstrap 

Quando si stima l'intervallo di confidenza della media, penso che si possano applicare sia il metodo bootstrap t che il metodo bootstrap non parametrico, ma il primo richiede un po 'più di calcolo. Mi chiedo quali sono i vantaggi e gli svantaggi del bootstrap t rispetto al normale bootstrap non …

9 confidence-interval  bootstrap 

Il mio set di dati comprende la mortalità totale o la sopravvivenza di un organismo in tre tipi di siti: costiera, midchannel e offshore. I numeri nella tabella seguente rappresentano il numero di siti. 100% Mortality 100% Survival Inshore 30 31 Midchannel 10 20 Offshore 1 10 Vorrei sapere se …

9 logistic  multiple-comparisons  chi-squared  r  text-mining  clustering  classification  feature-selection  unsupervised-learning  time-series  references  mode  hypothesis-testing  confidence-interval  bootstrap  normal-distribution  order-statistics  correlation  statistical-significance  spss  bayesian  beta-binomial 

Prendi in considerazione un esperimento con più partecipanti umani, ciascuno misurato più volte in due condizioni. Un modello di effetti misti può essere formulato (usando la sintassi lme4 ) come: fit = lmer( formula = measure ~ (1|participant) + condition ) Ora, supponiamo di voler generare intervalli di confidenza bootstrap …

9 mixed-model  bootstrap 

Abbiamo un set di campioni biologici che era piuttosto costoso da ottenere. Abbiamo sottoposto questi esempi a una serie di test per generare dati utilizzati per la creazione di un modello predittivo. A tale scopo abbiamo diviso i campioni in set di addestramento (70%) e test (30%). Abbiamo creato con …

9 classification  modeling  experiment-design  cross-validation  bootstrap 

I test di permutazione sono test di significatività basati su campioni di permutazione estratti a caso dai dati originali. I campioni di permutazione vengono disegnati senza sostituzione, a differenza dei campioni bootstrap, che vengono disegnati con la sostituzione. Ecco un esempio che ho fatto in R di un semplice test …

9 confidence-interval  bootstrap  permutation-test 

Nonostante vari tentativi di leggere sul bootstrap, mi sembra di colpire sempre un muro di mattoni. Mi chiedo se qualcuno può dare una definizione ragionevolmente non tecnica di bootstrap? So che in questo forum non è possibile fornire dettagli sufficienti per consentirmi di comprenderlo appieno, ma una leggera spinta nella …

9 nonparametric  bootstrap  intuition 

Domanda : ho inserito un modello probabilistico (rete bayesiana) per modellare una variabile di risultato binaria. Vorrei creare un grafico di calibrazione ad alta risoluzione (ad es. Spline) corretto per adattamento eccessivo con bootstrap. Esiste una procedura standard per il calcolo di tale curva? Considerazioni : potrei farlo facilmente con …

9 bootstrap  splines  regression-strategies  calibration