Domande taggate «estimation»

So che potrebbe essere un po 'complicato, statisticamente, ma questo è il mio problema. Ho molti dati di intervallo, vale a dire la dimensione minima, massima e di campionamento di una variabile. Per alcuni di questi dati ho anche una media, ma non molti. Voglio confrontare questi intervalli tra loro …

14 r  normal-distribution  estimation  missing-data  order-statistics 

Sono interessato a ottenere una stima imparziale di in una regressione lineare multipla.R2R2R^2 Riflettendomi, posso pensare a due diversi valori che una stima imparziale di potrebbe tentare di far corrispondere.R2R2R^2 Fuori dal campione :R2R2R^2 r-quadrato che si otterrebbe se l'equazione di regressione ottenuta dal campione ) sono stati applicati a …

14 estimation  multiple-regression  r-squared  bias 

Ho letto che il test di Kolmogorov-Smirnov non dovrebbe essere usato per testare la bontà di adattamento di una distribuzione i cui parametri sono stati stimati dal campione. Ha senso dividere il mio campione in due e usare la prima metà per la stima dei parametri e la seconda per …

14 estimation  fitting  kolmogorov-smirnov 

Questa domanda è ispirata a un mini-gioco di Pokemon Soulsilver: Immagina che ci siano 15 bombe nascoste su questa area 5x6 (EDIT: massimo 1 bomba / cella): Ora, come stimeresti la probabilità di trovare una bomba su un campo specifico, dati i totali di riga / colonna? Se guardi la …

14 probability  estimation  chi-squared  independence  games 

Sto esaminando un documento che usa la disuguaglianza dell'oracolo per dimostrare qualcosa ma non riesco a capire cosa stia nemmeno cercando di fare. Quando ho cercato online "Oracle Inequality", alcune fonti mi hanno indirizzato all'articolo "Candes, Emmanuel J." Stima statistica moderna tramite disuguaglianze oracolari ". "che può essere trovato qui …

14 mathematical-statistics  estimation  probability-inequalities  inequality  oracle 

MLE = stima della massima verosimiglianza MAP = Massimo a posteriori MLE è intuitivo / ingenuo in quanto inizia solo con la probabilità di osservazione dato il parametro (cioè la funzione di probabilità) e cerca di trovare il parametro più adatto all'osservazione . Ma non prende in considerazione la conoscenza …

14 machine-learning  bayesian  estimation  maximum-likelihood  inference 

Versione breve: qual è il metodo più efficiente dal punto di vista computazionale per stimare la modalità di un set di dati multidimensionale, campionato da una distribuzione continua? Versione lunga: ho un set di dati di cui ho bisogno per stimare la modalità di. La modalità non coincide con la …

14 estimation  multivariate-analysis  continuous-data  mode 

Sia e quattro variabili casuali tali che , dove sono parametri sconosciuti. Supponi anche che ,Allora quale è vero?Y1,Y2,Y3Y1,Y2,Y3Y_1,Y_2,Y_3Y4Y4Y_4E(Y1)=θ1−θ3; E(Y2)=θ1+θ2−θ3; E(Y3)=θ1−θ3; E(Y4)=θ1−θ2−θ3E(Y1)=θ1−θ3; E(Y2)=θ1+θ2−θ3; E(Y3)=θ1−θ3; E(Y4)=θ1−θ2−θ3E(Y_1)=\theta_1-\theta_3;\space\space E(Y_2)=\theta_1+\theta_2-\theta_3;\space\space E(Y_3)=\theta_1-\theta_3;\space\space E(Y_4)=\theta_1-\theta_2-\theta_3θ1,θ2,θ3θ1,θ2,θ3\theta_1,\theta_2,\theta_3Var(Yi)=σ2Var(Yi)=σ2Var(Y_i)=\sigma^2i=1,2,3,4.i=1,2,3,4.i=1,2,3,4. A. sono stimabili.θ1,θ2,θ3θ1,θ2,θ3\theta_1,\theta_2,\theta_3 B. è stimabile.θ1+θ3θ1+θ3\theta_1+\theta_3 C. è stimabile e è la migliore stima imparziale lineare di .θ1−θ3θ1−θ3\theta_1-\theta_312(Y1+Y3)12(Y1+Y3)\dfrac{1}{2}(Y_1+Y_3)θ1−θ3θ1−θ3\theta_1-\theta_3 D. è stimabile.θ2θ2\theta_2 La …

13 self-study  estimation  inference 

Quindi, ho un processo casuale che genera variabili casuali normalmente distribuite nel registro XXX. Ecco la funzione di densità di probabilità corrispondente: Volevo stimare la distribuzione di alcuni momenti di quella distribuzione originale, diciamo il primo momento: la media aritmetica. Per fare ciò, ho disegnato 100 variabili casuali 10000 volte …

13 estimation  bias  fitting  lognormal  moments 

Conosco relativamente bene la distinzione tra termini statistici e parametro. Vedo una statistica come il valore ottenuto dall'applicazione di una funzione ai dati di esempio. Tuttavia, la maggior parte degli esempi di parametri si riferisce alla definizione di una distribuzione parametrica. Un esempio comune è la media e la deviazione …

13 estimation  terminology  sample  population 

Questa domanda è motivata da questa . Ho cercato due fonti e questo è quello che ho trovato. A. van der Vaart, Statistiche assintotiche: Raramente è possibile calcolare esplicitamente la probabilità di un profilo, ma la sua valutazione numerica è spesso fattibile. Quindi la probabilità del profilo può servire a …

13 estimation  maximum-likelihood  likelihood  asymptotics  profile-likelihood 

Supponiamo di avere due stimatori e α 2 per alcuni parametri x . Per determinare quale stimatore è "migliore", osserviamo l'MSE (errore quadratico medio)? In altre parole, osserviamo M S E = β 2 + σ 2 dove β è il bias dello stimatore e σ 2 è la varianza …

13 estimation  mse 

Sto cercando metodi che possono essere utilizzati per stimare il modello di errore di misurazione "OLS". x i = X i + e x , i Y i = α + β X iyi=Yi+ey,iyi=Yi+ey,iy_{i}=Y_{i}+e_{y,i} xi=Xi+ex,ixi=Xi+ex,ix_{i}=X_{i}+e_{x,i} Yi=α+βXiYi=α+βXiY_{i}=\alpha + \beta X_{i} Dove gli errori sono normali indipendenti con varianze sconosciute e σ …

13 regression  estimation  errors-in-variables 

Quali sono i pro e i contro dell'utilizzo di LARS [1] rispetto all'utilizzo della discesa delle coordinate per l'adattamento della regressione lineare regolarizzata L1? Sono principalmente interessato agli aspetti prestazionali (i miei problemi tendono ad avere Ntra le centinaia di migliaia e p<20). Tuttavia, anche altre intuizioni sarebbero apprezzate. modifica: …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Quando apprendo il corso del campionamento, incontro le seguenti due affermazioni: 1) L'errore di campionamento porta principalmente alla variabilità, gli errori di non campionamento portano a distorsioni. 2) A causa di un errore di non campionamento, un campione è spesso più accurato di un CENSUS. Non so come comprendere queste …

13 estimation  sampling  survey  bias