Preguntas etiquetadas con bias

CrossValidated tiene varias preguntas sobre cuándo y cómo aplicar la corrección de sesgo de eventos raros por King y Zeng (2001) . Estoy buscando algo diferente: una demostración mínima basada en simulación de que existe el sesgo. En particular, el estado de King y Zeng "... en datos de eventos …

19 r  logistic  simulation  bias  rare-events 

Cuando fue la palabra "sesgo" acuñado a media E[θ^−θ]E[θ^−θ]\mathbb{E}[\hat{\theta}-\theta] ? La razón por la que estoy pensando en esto ahora es porque parece recordar a Jaynes, en su texto de Teoría de la probabilidad , criticando el uso de la palabra "sesgo" utilizado para describir esta fórmula y sugiriendo una …

18 terminology  bias  history 

Estoy trabajando en un proyecto de Machine Learning con datos que ya están (muy) sesgados por la selección de datos. Supongamos que tiene un conjunto de reglas codificadas. ¿Cómo se construye un modelo de aprendizaje automático para reemplazarlo, cuando todos los datos que puede usar son datos que ya fueron …

18 machine-learning  classification  data-mining  bias  extrapolation 

Estoy sufriendo un apagón. Se me presentó la siguiente imagen para mostrar el equilibrio de sesgo-varianza en el contexto de la regresión lineal: Puedo ver que ninguno de los dos modelos encaja bien: el "simple" no aprecia la complejidad de la relación XY y el "complejo" simplemente se sobreajusta, básicamente …

18 regression  variance  bias 

¿Puede proporcionar un ejemplo de un estimador MLE de la media que está sesgada? No estoy buscando un ejemplo que rompa los estimadores de MLE en general al violar las condiciones de regularidad. Todos los ejemplos que puedo ver en Internet se refieren a la variación, y parece que no …

17 maximum-likelihood  mean  bias 

Tengo una pregunta sobre el sesgo variable omitido en la regresión logística y lineal. Digamos que omito algunas variables de un modelo de regresión lineal. Imagine que esas variables omitidas no están correlacionadas con las variables que incluí en mi modelo. Esas variables omitidas no sesgan los coeficientes en mi …

17 regression  logistic  least-squares  bias 

Estoy tratando de entender el equilibrio entre sesgo y varianza, la relación entre el sesgo del estimador y el sesgo del modelo, y la relación entre la varianza del estimador y la varianza del modelo. Llegué a estas conclusiones: Tendemos a sobreajustar los datos cuando descuidamos el sesgo del estimador, …

15 regression  variance  bias  bias-variance-tradeoff 

Esta pregunta hace referencia al artículo de Galit Shmueli "Explicar o predecir" . Específicamente, en la sección 1.5, "Explicación y predicción son diferentes", el profesor Shmueli escribe: En el modelado explicativo, el objetivo es minimizar el sesgo para obtener la representación más precisa de la teoría subyacente. Esto me ha …

15 predictive-models  inference  bias  unbiased-estimator  explanatory-models 

Preguntas ¿Depende de si el árbol es poco profundo o profundo? ¿O podemos decir esto independientemente de la profundidad / niveles del árbol? ¿Por qué el sesgo es bajo y la varianza alta? Por favor explique intuitivamente y matemáticamente

15 machine-learning  variance  covariance  cart  bias 

Una suposición básica del uso de modelos de regresión para la inferencia es que "todos los predictores relevantes" se han incluido en la ecuación de predicción. La razón es que no incluir un factor importante del mundo real conduce a coeficientes sesgados y, por lo tanto, a inferencias inexactas (es …

15 regression  assumptions  bias  predictor  confounding 

Leí una y otra vez que la validación cruzada "Leave-one-out" tiene una gran variación debido a la gran superposición de los pliegues de entrenamiento. Sin embargo, no entiendo por qué es así: ¿no debería ser el rendimiento de la validación cruzada muy estable (baja variación) exactamente porque los conjuntos de …

15 variance  cross-validation  bias 

Siempre lucho por obtener la verdadera esencia del problema de los parámetros incidentales. Leí en varias ocasiones que los estimadores de efectos fijos de los modelos de datos de panel no lineales pueden estar severamente sesgados debido al problema de parámetro incidental "bien conocido". Cuando solicito una explicación clara de …

15 nonlinear-regression  fixed-effects-model  bias 

θ^θ^\hat\thetaθ∗θ∗\theta^*nnn∥θ^−θ∗∥‖θ^−θ∗‖\lVert\hat\theta-\theta^*\rVertO(1/n−−√)O(1/n)O(1/\sqrt n)∥Eθ^−θ∗∥‖Eθ^−θ∗‖\lVert \mathbb E\hat\theta - \theta^*\rVert∥Eθ^−θ^∥‖Eθ^−θ^‖\lVert \mathbb E\hat\theta - \hat\theta\rVertO(1/n−−√)O(1/n)O(1/\sqrt{n}) Estoy interesado en los modelos que tienen un sesgo que se reduce más rápido que O(1/n−−√)O(1/n)O(1/\sqrt n) , pero donde el error no se reduce a esta velocidad más rápida porque la desviación todavía se reduce como O(1/n−−√)O(1/n)O(1/\sqrt n) . …

14 variance  estimation  maximum-likelihood  bias 

Un amigo representa a un cliente en una apelación, después de un juicio penal en el que parece que la selección del jurado fue racialmente parcial. El jurado estuvo formado por 30 personas, en 4 grupos raciales. La fiscalía utilizó desafíos perentorios para eliminar a 10 de estas personas del …

14 probability  statistical-significance  references  bias  combinatorics 

En psicología y otros campos, a menudo se emplea una forma de regresión gradual que implica lo siguiente: Observe los predictores restantes (al principio no hay ninguno en el modelo) e identifique el predictor que resulta en el mayor cambio de r-cuadrado; Si el valor p del cambio de r-cuadrado …

14 regression  model-selection  bias  r-squared  stepwise-regression