Preguntas etiquetadas con binomial

Tengo casi las mismas preguntas como esta: ¿Cómo puedo modelar eficientemente la suma de variables aleatorias de Bernoulli? Pero la configuración es bastante diferente: S=∑i=1,NXiS=∑i=1,NXiS=\sum_{i=1,N}{X_i} , , ~ 20, ~ 0.1P(Xi=1)=piP(Xi=1)=piP(X_{i}=1)=p_iNNNpipip_i Tenemos los datos para los resultados de las variables aleatorias de Bernoulli: ,Xi,jXi,jX_{i,j}Sj=∑i=1,NXi,jSj=∑i=1,NXi,jS_j=\sum_{i=1,N}{X_{i,j}} Si estimamos el con la estimación …

9 distributions  modeling  binomial  random-variable  non-independent 

Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  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 

Deje . Sabemos que y . ¿Esto implica que la media de la muestra y la varianza de la muestra son dependientes entre sí? ¿O simplemente significa que la varianza de la población se puede escribir en función de la media de la población ?X∼Binomial(n,p)X∼siyonorteometroyounal(norte,pags)X\sim\mathrm{Binomial}(n,p)E[X]=npmi[X]=nortepags\mathrm{E}[X]=npVar[X]=np(1−p)Vunar[X]=nortepags(1-pags)\mathrm{Var}[X]=np(1-p)x¯X¯\bar xs2s2s^2

9 distributions  binomial  independence 

Casi todos los libros de texto que discuten la aproximación normal a la distribución binomial mencionan la regla general de que la aproximación se puede usar si np≥5np≥5np\geq5 y n(1−p)≥5n(1−p)≥5n(1-p)\geq 5. Algunos libros sugierennp(1−p)≥5np(1−p)≥5np(1-p)\geq 5en lugar. La misma constante555 a menudo aparece en discusiones sobre cuándo fusionar celdas en el …

9 normal-distribution  binomial  approximation 

Estoy simulando ensayos de Bernoulli con un entre grupos y luego el modelo correspondiente con el paquete:logitθ ∼ N( logitθ0 0,12)logitθ∼norte(logitθ0 0,12)\text{logit}\, \theta \sim {\cal N}(\text{logit}\, \theta_0, 1^2)lme4 library(lme4) library(data.table) I <- 30 # number of groups J <- 10 # number of Bernoulli trials within each group logit <- …

9 mixed-model  generalized-linear-model  binomial  random-effects-model  lme4-nlme 

library(lme4) out <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd), data = cbpp, family = binomial, contrasts = list(period = "contr.sum")) summary(out) Fixed effects: Estimate Std. Error z value Pr(>|z|) (Intercept) -2.32337 0.22129 -10.499 < 2e-16 *** period1 0.92498 0.18330 5.046 4.51e-07 *** period2 -0.06698 0.22845 -0.293 …

9 r  binomial  logit  lme4-nlme 

Tengo un bloqueo intuitivo con esto. Para un problema binomial, la desviación estándar de un conteo es . Por el contrario, la desviación estándar de la proporción muestral disminuye al aumentar es . Puedo hacer la división por pero no sé por qué las desviaciones estándar se mueven en direcciones …

9 binomial  standard-deviation 

Se arroja una moneda 900 veces y las cabezas aparecieron 490 veces. ¿El resultado apoya la hipótesis de que la moneda es imparcial?

9 hypothesis-testing  self-study  statistical-significance  binomial 

Estoy tratando de probar la bondad de ajuste para un vector de datos de conteo a un binomio. Para hacerlo, estoy usando la goodfit()función en el vcdpaquete. Cuando ejecuto la función, sin embargo, devuelve NaNel valor p de la prueba de Chi-cuadrado. En mi configuración, tengo un vector de datos …

8 binomial  chi-squared  goodness-of-fit 

Estoy trabajando en un proyecto donde observamos el comportamiento en una tarea (por ejemplo, tiempo de respuesta) y modelamos este comportamiento en función de varias variables manipuladas experimentalmente, así como varias variables observadas (sexo del participante, coeficiente intelectual del participante, respuestas en un seguimiento) cuestionario). No me preocupa la multicolinealidad …

8 regression  binomial  independence  multicollinearity  likelihood-ratio 

Hoy tengo una pregunta sobre la regresión binomial / logística, se basa en un análisis que un grupo de mi departamento ha realizado y que estaba buscando comentarios. Hice el siguiente ejemplo para proteger su anonimato, pero estaban ansiosos por ver las respuestas. En primer lugar, el análisis comenzó con …

8 logistic  modeling  binomial  model-selection 

Soy un novato en las estadísticas, así que si hago suposiciones erróneas aquí, por favor dígame. Hay una población Nde personas. (Por ejemplo, Npueden ser 1,000,000.) Algunas de las personas son pelirrojas. Tomo una muestra nde personas (digamos 10,) y encuentro que json pelirrojas. ¿Qué puedo decir sobre la proporción …

8 standard-deviation  sample-size  binomial  standard-error 

Supongamos que tenemos un modelo de regresión logística: P(y=1|x)log(p1−p)=p=βxP(y=1|x)=plog⁡(p1−p)=βx\begin{align} P(y=1\vert\mathbf{x}) &= p \\ \log\left(\frac{p}{1-p}\right) &= \boldsymbol{\beta}\mathbf{x} \end{align} Dada una muestra aleatoria de tamaño N , podemos calcular intervalos de confianza para el \ boldsymbol {\ beta} e intervalos de predicción correspondientes para p , dado un cierto valor \ mathbf …

8 logistic  binomial  prediction-interval 

Una empresa de electrónica produce dispositivos que funcionan correctamente el 95% del tiempo. Los nuevos dispositivos se envían en cajas de 400. La compañía quiere garantizar que funcionen k o más dispositivos por caja. ¿Cuál es la k más grande para que al menos el 95% de las cajas cumplan …

8 self-study  binomial  central-limit-theorem 

Considere la siguiente regresión binomial: # Create some data set.seed(10) n <- 500 x <- runif(n,0,100) y <- x + rnorm(n,sd=100) < 0 # Fit a binomial regression model model <- glm(y ~ x, family="binomial") summary(model) La summaryfunción devuelve un valor p de 1.03e-05. Cuando se usa anova.glm, se obtienen …

8 r  hypothesis-testing  logistic  generalized-linear-model  binomial