Preguntas etiquetadas con bias

Se sabe desde hace bastante tiempo que la edad más temprana en la que los jugadores de ajedrez lograron clasificarse para el título de gran maestro ha disminuido significativamente desde la década de 1950, y actualmente hay casi 30 jugadores que se convirtieron en gran maestro antes de cumplir 15 …

11 survival  bias  population  censoring  subset 

¿Los estimadores de Bayes son inmunes al sesgo de selección? La mayoría de los artículos que discuten la estimación en alta dimensión, por ejemplo, datos de secuencia del genoma completo, a menudo plantean el problema del sesgo de selección. El sesgo de selección surge del hecho de que, aunque tenemos …

11 bayesian  feature-selection  bias  unbiased-estimator  conjugate-prior 

Esto es similar a Bootstrap: la estimación está fuera del intervalo de confianza Tengo algunos datos que representan recuentos de genotipos en una población. Quiero estimar la diversidad genética usando el índice de Shannon y también generar un intervalo de confianza usando bootstrapping. Sin embargo, he notado que la estimación …

11 r  confidence-interval  bootstrap  bias  diversity 

Me pregunto cómo una variable instrumental aborda el sesgo de selección en la regresión. Este es el ejemplo que estoy analizando : en Econometría en su mayoría inofensiva , los autores discuten una regresión IV relacionada con el servicio militar y las ganancias más adelante en la vida. La pregunta …

11 regression  econometrics  bias  causality  instrumental-variables 

Soy consciente de la prueba Ramsey Reset que puede detectar dependencias no lineales. Sin embargo, si solo arroja uno de los coeficientes de regresión (meramente dependencias lineales), puede obtener un sesgo, dependiendo de las correlaciones. Obviamente, esto no es detectado por la prueba de reinicio. No encontré una prueba para …

11 regression  multiple-regression  bias  causality  diagnostic 

Si consideramos un árbol de decisión completamente desarrollado (es decir, un árbol de decisión no podado) tiene una alta varianza y un bajo sesgo. El ensacado y los bosques aleatorios usan estos modelos de alta varianza y los agregan para reducir la varianza y así mejorar la precisión de la …

11 variance  random-forest  cart  bias  bagging 

Acabo de aprender sobre el concepto de bootstrapping, y se me ocurrió una pregunta ingenua: si siempre podemos generar numerosas muestras de bootstrap de nuestros datos, ¿por qué molestarse en obtener más datos "reales"? Creo que tengo una explicación, por favor dígame si estoy en lo correcto: creo que el …

11 variance  bootstrap  bias 

Estoy tratando de entender por qué OLS da un estimador sesgado de un proceso AR (1). Considere En este modelo, se viola la exogeneidad estricta, es decir, y están correlacionados pero y no están correlacionados. Pero si esto es cierto, ¿por qué no se cumple la siguiente derivación simple? ytεtyt-1εtPlim …

11 time-series  least-squares  bias  autoregressive  estimators 

Supongamos que es un estimador imparcial de . Entonces, por supuesto, . θE[ θ |θ]=θθ^θ^\hat{\theta}θθ\thetaE[θ^∣θ]=θE[θ^∣θ]=θ\mathbb{E}[\hat{\theta} \mid \theta] = \theta ¿Cómo se explica esto a un laico? En el pasado, lo que he dicho es que si promedias un montón de valores de , a medida que el tamaño de la …

10 bias  asymptotics  unbiased-estimator  estimators  communication 

Tengo entendido que la estimación de validación cruzada k-fold del error de prueba generalmente subestima el error de prueba real. Estoy confundido por qué este es el caso. ¡Veo por qué el error de entrenamiento es generalmente más bajo que el error de prueba, porque estás entrenando el modelo con …

10 cross-validation  bias 

Como ejemplo, a menudo encuentro estudiantes que saben que Observado es un estimador sesgado de Población . Luego, al escribir sus informes, dicen cosas como:R2R2R^2R2R2R^2 "He calculado observado y se ajustó , y que eran bastante similares, sugiriendo sólo una pequeña cantidad de sesgo en el observado valor que obtuvimos."R2R2R^2R2R2R^2R2R2R^2 …

10 mathematical-statistics  terminology  bias  estimators 

Hice un arranque con un modelo mixto (varias variables con interacción y una variable aleatoria). Obtuve este resultado (solo parcial): > boot_out ORDINARY NONPARAMETRIC BOOTSTRAP Call: boot(data = a001a1, statistic = bootReg, R = 1000) Bootstrap Statistics : original bias std. error t1* 4.887383e+01 -1.677061e+00 4.362948e-01 t2* 3.066825e+01 1.264024e+00 5.328387e-01 …

10 r  confidence-interval  bootstrap  bias 

De acuerdo, mi mensaje original no pudo obtener una respuesta; entonces, déjenme plantear la pregunta de otra manera. Comenzaré explicando mi comprensión de la estimación desde una perspectiva teórica de decisión. No tengo entrenamiento formal y no me sorprendería si mi pensamiento es defectuoso de alguna manera. Supongamos que tenemos …

10 bias  loss-functions  frequentist  decision-theory  risk 

Me gustaría entender un par de hechos sobre estimadores de máxima verosimilitud (MLE) para regresiones logísticas. ¿Es cierto que, en general, el MLE para la regresión logística está sesgado? Yo diría que sí". Sé, por ejemplo, que la dimensión de la muestra está relacionada con el sesgo asintótico de los …

10 logistic  maximum-likelihood  unbiased-estimator  bias 

Esta podría ser una pregunta básica: ¿Cuál es la diferencia entre sesgo y falta de equipamiento? Y, de manera análoga, ¿cuál es la diferencia entre la varianza y el sobreajuste? ¿Los términos de cada par significan lo mismo? Sí no, ¿Cuál es la diferencia?

10 variance  bias  overfitting  model-evaluation