Domande taggate «confidence-interval»

Un intervallo di confidenza è un intervallo che copre un parametro sconosciuto con (1−α)%fiducia. Gli intervalli di confidenza sono un concetto frequentista. Sono spesso confusi con intervalli credibili che è l'analogo bayesiano.

1
Una stima bayesiana con un "precedente piatto" equivale a una stima della massima verosimiglianza?
In filogenetica, gli alberi filogenetici sono spesso costruiti utilizzando MLE o analisi bayesiana. Spesso, nella stima bayesiana viene utilizzato un precedente piatto. A quanto ho capito, una stima bayesiana è una stima della probabilità che incorpora un precedente. La mia domanda è, se usi un flat flat, è diverso dal …
1
Il ricampionamento bootstrap può essere utilizzato per calcolare un intervallo di confidenza per la varianza di un set di dati?
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 …
2
Calcolo dell'intervallo di previsione
Ho i seguenti dati situati qui . Sto tentando di calcolare l'intervallo di confidenza al 95% sulla purezza media quando la percentuale di idrocarburi è 1,0. In R, inserisco quanto segue. > predict(purity.lm, newdata=list(hydro=1.0), interval="confidence", level=.95) fit lwr upr 1 89.66431 87.51017 91.81845 Tuttavia, come posso ottenere questo risultato da …
1
Come confrontare gli eventi osservati con quelli previsti?
Supponiamo di avere un campione di frequenze di 4 possibili eventi: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e ho le probabilità attese dei miei eventi: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la somma delle frequenze osservate dei …
9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 
1
Problemi con uno studio di simulazione della spiegazione degli esperimenti ripetuti di un intervallo di confidenza del 95% - dove sbaglio?
Sto cercando di scrivere uno script R per simulare l'interpretazione ripetuta degli esperimenti di un intervallo di confidenza al 95%. Ho scoperto che sopravvaluta la percentuale di volte in cui il valore reale della popolazione di una proporzione è contenuto nell'IC del 95% del campione. Non una grande differenza - …
2
Come posso stimare gli intervalli di confidenza al 95% usando la profilatura per i parametri stimati massimizzando una funzione di verosimiglianza usando optim in R?
Come posso stimare gli intervalli di confidenza al 95% usando la profilatura per i parametri stimati massimizzando una funzione di verosimiglianza usando optim in R? So di poter stimare asintoticamente la matrice di covarianza invertendo la tela di iuta , ma temo che i miei dati non soddisfino i presupposti …
2
Bootstrap parametrico, semiparametrico e non parametrico per modelli misti
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 
3
Ragionamento e condizionamento frequentista sulle osservazioni (esempio di Wagenmakers et al.)
Non sono un esperto di statistica, ma ritengo ci sia disaccordo sul fatto che un'interpretazione "frequente" o "bayesiana" della probabilità sia quella "giusta". Da Wagenmakers et. al p. 183: Considera una distribuzione uniforme con media e larghezza . Disegnare due valori casualmente da questa distribuzione, etichettare la più piccola e …
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.