Domande taggate «interpretation»

Si riferisce generalmente a trarre conclusioni sostanziali dai risultati di un'analisi statistica.

11
Come capire i gradi di libertà?
Da Wikipedia , ci sono tre interpretazioni dei gradi di libertà di una statistica: In statistica, il numero di gradi di libertà è il numero di valori nel calcolo finale di una statistica che sono liberi di variare . Le stime dei parametri statistici possono essere basate su diverse quantità …
2
Interpretazione dell'output di R's lm ()
Le pagine di aiuto in R presumono che io sappia cosa significano quei numeri, ma non lo so. Sto cercando di capire davvero in modo intuitivo ogni numero qui. Pubblicherò solo l'output e commenterò ciò che ho scoperto. Potrebbero esserci (saranno) errori, poiché scriverò solo ciò che presumo. Principalmente vorrei …
2
La rimozione del termine di intercettazione statisticamente significativo aumenta nel modello lineare
In un modello lineare semplice con una singola variabile esplicativa, αi=β0+β1δi+ϵiαi=β0+β1δi+ϵi\alpha_i = \beta_0 + \beta_1 \delta_i + \epsilon_i Trovo che la rimozione del termine di intercettazione migliora notevolmente l'adattamento (il valore di va da 0,3 a 0,9). Tuttavia, il termine di intercettazione sembra essere statisticamente significativo.R2R2R^2 Con intercetta: Call: lm(formula …
3
Un esempio: regressione di LASSO utilizzando glmnet per il risultato binario
Sto iniziando a dilettarsi con l'uso di glmnetcon LASSO Regressione dove il mio risultato di interesse è dicotomica. Di seguito ho creato un piccolo frame di dati finti: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …
78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
6
Clustering sull'output di t-SNE
Ho un'applicazione in cui sarebbe utile raggruppare un set di dati rumorosi prima di cercare effetti di sottogruppo all'interno dei cluster. Ho esaminato PCA per la prima volta, ma sono necessari circa 30 componenti per arrivare al 90% della variabilità, quindi il clustering su un paio di PC genererà molte …
1
Come interpretare i coefficienti in una regressione di Poisson?
Come posso interpretare i principali effetti (coefficienti per il fattore codificato fittizio) in una regressione di Poisson? Supponiamo il seguente esempio: treatment <- factor(rep(c(1, 2), c(43, 41)), levels = c(1, 2), labels = c("placebo", "treated")) improved <- factor(rep(c(1, 2, 3, 1, 2, 3), c(29, 7, 7, 13, 7, 21)), levels …
9
È sbagliato riformulare "1 decesso su 80 è causato da un incidente d'auto" poiché "1 persona su 80 muore a causa di un incidente d'auto?"
Dichiarazione 1 (S1): "Una morte su 80 è causata da un incidente d'auto". Dichiarazione due (S2): "Una persona su 80 muore a causa di un incidente d'auto". Ora, personalmente non vedo molta differenza tra queste due affermazioni. Quando scrivo, li considererei intercambiabili con un pubblico laico. Tuttavia, ora sono stato …
3
Interpretazione del predittore e / o della risposta trasformati in tronchi
Mi chiedo se fa differenza nell'interpretazione se solo le variabili dipendenti, dipendenti e indipendenti, o solo le variabili indipendenti, vengono trasformate in log. Considera il caso di log(DV) = Intercept + B1*IV + Error Posso interpretare il IV come l'aumento percentuale, ma come cambia quando lo faccio log(DV) = Intercept …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 
3
Come interpretare il valore F e p in ANOVA?
Sono nuovo alle statistiche e attualmente mi occupo di ANOVA. Eseguo un test ANOVA in R usando aov(dependendVar ~ IndependendVar) Ottengo - tra l'altro - un valore F e un valore p. La mia ipotesi nulla ( H0H0H_0 ) è che tutti i mezzi del gruppo sono uguali. Ci sono …
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.