Preguntas etiquetadas con bootstrap

Existen varias técnicas populares de remuestreo, que a menudo se usan en la práctica, como bootstrapping, permutation test, jackknife, etc. Hay numerosos artículos y libros que analizan estas técnicas, por ejemplo Philip I Good (2010) Permutation, Parametric y Bootstrap Tests de hipótesis Mi pregunta es qué técnica de remuestreo ha …

37 hypothesis-testing  nonparametric  bootstrap  permutation-test 

Esta pregunta puede ser demasiado abierta para obtener una respuesta definitiva, pero espero que no. Los algoritmos de aprendizaje automático, como SVM, GBM, Random Forest, etc., generalmente tienen algunos parámetros libres que, más allá de alguna guía práctica, deben ajustarse a cada conjunto de datos. Esto generalmente se hace con …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

He leído en algunas fuentes, incluida esta , que los bosques aleatorios no son sensibles a los valores atípicos (en la forma en que lo son la regresión logística y otros métodos de LD, por ejemplo). Sin embargo, dos piezas de intuición me dicen lo contrario: Cada vez que se …

33 random-forest  bootstrap  outliers  cart 

Sé que este es un tema bastante candente en el que nadie realmente puede dar una respuesta simple. Sin embargo, me pregunto si el siguiente enfoque no podría ser útil. El método bootstrap solo es útil si su muestra sigue más o menos (lea exactamente) la misma distribución que la …

33 bootstrap  sample-size  methodology 

Recientemente aprendí sobre el uso de técnicas de arranque para calcular errores estándar e intervalos de confianza para estimadores. Lo que aprendí fue que si los datos son IID, puede tratar los datos de la muestra como la población, y hacer un muestreo con reemplazo y esto le permitirá obtener …

33 time-series  bootstrap 

En las notas de MIT OpenCourseWare para 18.05 Introducción a la probabilidad y las estadísticas, primavera de 2014 (actualmente disponible aquí ), dice: El método del percentil bootstrap es atractivo debido a su simplicidad. Sin embargo, depende de la distribución de arranque de función de que una muestra particular sea …

31 confidence-interval  bootstrap 

A menudo se afirma que bootstrapping puede proporcionar una estimación del sesgo en un estimador. Si es la estimación para alguna estadística, y son las réplicas de bootstrap (con i \ in \ {1, \ cdots, N \} ), entonces la estimación de bootstrap de sesgo es \ begin {ecation} …

31 bootstrap  bias 

Las distribuciones muy sesgadas, como el log-normal, no dan como resultado intervalos de confianza de arranque precisos. Aquí hay un ejemplo que muestra que las áreas de cola izquierda y derecha están lejos del 0.025 ideal, sin importar qué método de arranque intente en R: require(boot) n <- 25 B …

30 confidence-interval  nonparametric  mean  bootstrap  median 

Tengo un manuscrito sobre un método de arranque para probar hipótesis de una media, y me gustaría enviarlo para su publicación, pero tengo un dilema moral. Me inscribí en la protesta contra Elsevier por sus prácticas comerciales poco éticas, y leer todo el asunto realmente me hizo cuestionar la ética …

30 hypothesis-testing  bootstrap  journals 

Cuando uno arranca un parámetro para obtener el error estándar, obtenemos una distribución del parámetro. ¿Por qué no usamos la media de esa distribución como resultado o estimación para el parámetro que estamos tratando de obtener? ¿No debería la distribución aproximarse a la real? Por lo tanto, obtendríamos una buena …

30 distributions  bootstrap  standard-error  expected-value 

Habiendo estudiado recientemente bootstrap, se me ocurrió una pregunta conceptual que todavía me desconcierta: Tiene una población y desea conocer un atributo de población, es decir, , donde uso para representar a la población. Esta podría ser la media poblacional, por ejemplo. Por lo general, no puede obtener todos los …

29 bootstrap  simulation  resampling 

Quería hacer una demostración de clase donde comparo un intervalo t con un intervalo de arranque y calculo la probabilidad de cobertura de ambos. Quería que los datos provengan de una distribución sesgada, así que elegí generar los datos como exp(rnorm(10, 0, 2)) + 1, una muestra de tamaño 10 …

29 bootstrap  diagnostic 

¿Existe alguna técnica de arranque disponible para calcular los intervalos de predicción para predicciones puntuales obtenidas, por ejemplo, de regresión lineal u otro método de regresión (k-vecino más cercano, árboles de regresión, etc.)? De alguna manera, siento que la forma a veces propuesta de simplemente reiniciar la predicción de puntos …

29 bootstrap  prediction-interval 

Utilizo el paquete "boot" para calcular un valor p de arranque de 2 lados aproximado , pero el resultado está demasiado lejos del valor p de usar t.test. No puedo entender qué hice mal en mi código R. ¿Puede alguien darme una pista para esto? time = c(14,18,11,13,18,17,21,9,16,17,14,15, 12,12,14,13,6,18,14,16,10,7,15,10) group=c(rep(1:2, …

28 r  hypothesis-testing  p-value  bootstrap  permutation-test 

Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation