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.

14
Chiarimenti sull'interpretazione degli intervalli di confidenza?
La mia attuale comprensione della nozione "intervallo di confidenza con livello di confidenza " è che se provassimo a calcolare l'intervallo di confidenza più volte (ogni volta con un nuovo campione), conterrebbe il parametro corretto del tempo.1 - α1−α1 - \alpha1 - α1−α1 - \alpha Sebbene mi renda conto che …
4
Perché gli statistici dicono che un risultato non significativo significa "non puoi rifiutare il nulla" invece di accettare l'ipotesi nulla?
I test statistici tradizionali, come i due t-test dei campioni, si concentrano sul tentativo di eliminare l'ipotesi che non vi sia differenza tra una funzione di due campioni indipendenti. Quindi, scegliamo un livello di confidenza e diciamo che se la differenza di mezzi è oltre il livello del 95%, possiamo …
6
Qual è la connessione tra regioni credibili e test di ipotesi bayesiana?
Nelle statistiche del frequentista, esiste una stretta connessione tra intervalli di confidenza e test. Usando l'inferenza su nella distribuzione come esempio, l' intervallo di confidenza contiene tutti i valori di che non sono rifiutati dal test al livello di significatività .μμ\muN ( μ , σ2)N(μ,σ2)\rm N(\mu,\sigma^2)1 - α1−α1-\alphaX¯± tα / …
2
Quanto sono affidabili gli intervalli di confidenza per gli oggetti lmer attraverso il pacchetto effetti?
EffectsIl pacchetto fornisce un modo molto veloce e conveniente per tracciare risultati di modelli a effetto misto lineare ottenuti attraverso il lme4pacchetto . La effectfunzione calcola gli intervalli di confidenza (IC) molto rapidamente, ma quanto sono affidabili questi intervalli di confidenza? Per esempio: library(lme4) library(effects) library(ggplot) data(Pastes) fm1 <- lmer(strength …
3
Perché c'è una differenza tra il calcolo manuale di un intervallo di confidenza della regressione logistica del 95% e l'uso della funzione confint () in R?
Carissimi, ho notato qualcosa di strano che non posso spiegare, vero? In sintesi: l'approccio manuale al calcolo di un intervallo di confidenza in un modello di regressione logistica e la funzione R confint()danno risultati diversi. Ho attraversato la regressione logistica applicata di Hosmer & Lemeshow (2a edizione). Nel terzo capitolo …
34 r  regression  logistic  confidence-interval  profile-likelihood  correlation  mcmc  error  mixture  measurement  data-augmentation  r  logistic  goodness-of-fit  r  time-series  exponential  descriptive-statistics  average  expected-value  data-visualization  anova  teaching  hypothesis-testing  multivariate-analysis  r  r  mixed-model  clustering  categorical-data  unsupervised-learning  r  logistic  anova  binomial  estimation  variance  expected-value  r  r  anova  mixed-model  multiple-comparisons  repeated-measures  project-management  r  poisson-distribution  control-chart  project-management  regression  residuals  r  distributions  data-visualization  r  unbiased-estimator  kurtosis  expected-value  regression  spss  meta-analysis  r  censoring  regression  classification  data-mining  mixture 
1
Conseguenze della disuguaglianza di correlazione gaussiana per il calcolo degli intervalli di confidenza congiunti
Secondo questo articolo molto interessante su Quanta Magazine: "Una prova a lungo cercata, trovata e quasi persa" , - è stato dimostrato che dato un vettore con un multivariato Distribuzione gaussiana e dati intervalli centrati attorno alle medie dei componenti corrispondenti di , quindix=(x1,…,xn)x=(x1,…,xn)\mathbf{x}=(x_1,\dots,x_n)I1,…,InI1,…,InI_1,\dots,I_n xx\mathbf{x} p(x1∈I1,…,xn∈In)≥∏i=1np(xi∈Ii)p(x1∈I1,…,xn∈In)≥∏i=1np(xi∈Ii)p(x_1\in I_1, \dots, x_n\in I_n)\geq …
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.