Domande taggate «estimation»

Questo tag è troppo generale; si prega di fornire un tag più specifico. Per domande sulle proprietà di stimatori specifici, utilizzare invece il tag [stimatori].

3
Come ottenere l'intervallo di confidenza sul cambio di r-square della popolazione
Per un semplice esempio, supponiamo che ci siano due modelli di regressione lineare Modello 1 ha tre predittori, x1a, x2b, ex2c Il modello 2 ha tre predittori dal modello 1 e due predittori aggiuntivi x2aex2b Esiste un'equazione di regressione della popolazione in cui la varianza della popolazione spiegata è per …
1
Distribuzione a coda lunga di eventi temporali
Supponiamo di avere i registri di un server web. In questi registri hai tuple di questo tipo: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Questi timestamp rappresentano, ad esempio, i clic degli utenti. Ora user1visiterà il sito più volte (sessioni) durante il mese e avrai scoppi …
1
Perché Anova () e drop1 () hanno fornito risposte diverse per i GLMM?
Ho un GLMM del modulo: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), ottengo risultati diversi rispetto a quelli che utilizzo Anova(model, type="III")dal pacchetto auto o summary(model). Questi ultimi due danno le stesse risposte. Usando un mucchio di dati fabbricati, …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
3
Probabilità di un evento che non è misurabile
Sappiamo dalla teoria delle misure che ci sono eventi che non possono essere misurati, cioè che non sono misurabili da Lebesgue. Come chiamiamo un evento con una probabilità che la misura di probabilità non sia definita? Quali tipi di dichiarazioni faremmo riguardo a un simile evento?
2
Condizioni affinché lo stimatore M converga nella media reale
Dati i campioni di una distribuzione gaussiana e lo stimatore M, , quali proprietà su sono sufficienti a garantire ? È essendo strettamente convessa e strettamente crescente sufficienti?μ m = argmin a ∑ ρ ( | X i - a | ) ρ μ m → μ ρX1,...,Xn∼N(μ,σ)X1,...,Xn∼N(μ,σ)X_1,...,X_n \sim N(\mu,\sigma) …
10 estimation 
3
Stima del modello esponenziale
Un modello esponenziale è un modello descritto dalla seguente equazione: yi^=β0⋅eβ1x1i+…+βkxkiyi^=β0⋅eβ1x1i+…+βkxki\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} L'approccio più comune utilizzato per stimare tale modello è la linearizzazione, che può essere eseguita facilmente calcolando i logaritmi di entrambi i lati. Quali sono gli altri approcci? Sono particolarmente interessato a quelli che possono gestire in alcune …
1
Trova UMVUE di dove
Lascia X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n tra variabili casuali con pdf fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) dove θ>0θ>0\theta >0 . Dai l'UMVUE di 1θ1θ\frac{1}{\theta} e calcola la sua varianza Ho imparato due di questi metodi per ottenere UMVUE ottenuti: Cramer-Rao Lower Bound (CRLB) Lehmann-Scheffe Thereom Proverò a farlo usando il …
1
Stimatore non distorto con varianza minima per
Consenti a essere un campione casuale di una distribuzione per . Vale a dire,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Trova lo stimatore imparziale con varianza minima perg(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} Il mio tentativo: Poiché la distribuzione geometrica proviene dalla famiglia esponenziale, la statistica è completa e sufficiente per . Inoltre, se è uno stimatore …
3
Stima del parametro di una distribuzione uniforme: prima impropria?
Abbiamo N campioni, , da una distribuzione uniforme dove \ theta è sconosciuta. Stimare \ theta dai dati.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Quindi, la regola di Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} e la probabilità è: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (modifica: quando 0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \theta per tutti iii , e 0 …
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.