Preguntas etiquetadas con bootstrap

Cuando leí acerca de cómo aproximar la distribución de la muestra significa que encontré el método de arranque no paramétrico. Aparentemente uno puede aproximar la distribución de por la distribución de ˉ X ∗ n - ˉ X n , donde ˉ X ∗ nX¯n−μX¯n−μ\bar{X}_n-\muX¯∗n−X¯nX¯n∗−X¯n\bar{X}_n^*-\bar{X}_nX¯∗nX¯n∗\bar{X}_n^* denota la media muestral de …

13 distributions  bootstrap  resampling  centering 

Bootstrapping funciona bien para acceder a la incertidumbre en la estimación media, sin embargo, recuerdo haber leído en alguna parte que el bootstrap no hace un buen trabajo al evaluar la incertidumbre en las estimaciones cuantiles (particularmente la mediana). No recuerdo dónde leí esto, y no pude encontrar mucho con …

13 references  bootstrap  median 

Supongamos que tengo dos conjuntos de datos con n observaciones de pares de datos de variable independiente xy variable dependiente y cada uno. Supongamos, además, que deseo generar una distribución de pendientes de regresión para cada conjunto de datos mediante el arranque de las observaciones (con reemplazo) N veces y …

13 regression  statistical-significance  bootstrap 

Creo que entiendo cómo funcionan los fundamentos del bootstrapping , pero no estoy seguro de entender cómo puedo usar el bootstrapping para la selección del modelo o para evitar el sobreajuste. Para la selección del modelo, por ejemplo, ¿elegiría el modelo que produce el error más bajo (¿tal vez una …

13 model-selection  cross-validation  bootstrap 

Estoy ejecutando un modelo de ecuación estructural (SEM) en Amos 18. Estaba buscando 100 participantes para mi experimento (usado de forma flexible), que se consideró que probablemente no era suficiente para llevar a cabo un SEM exitoso. Me han dicho repetidamente que SEM (junto con EFA, CFA) es un procedimiento …

13 modeling  sample-size  bootstrap  sem 

¿Qué pruebas están disponibles para probar dos muestras independientes para la hipótesis nula de que provienen de poblaciones con el mismo sesgo? Hay una prueba clásica de 1 muestra para determinar si el sesgo es igual a un número fijo (¡la prueba involucra el sexto momento de la muestra!); ¿Hay …

13 hypothesis-testing  distributions  bootstrap  moments  l-moments 

Estoy probando la igualdad de medios usando la prueba t de Welch. La distribución subyacente está lejos de ser normal (más sesgada que el ejemplo en una discusión relacionada aquí ). Puedo obtener más datos, pero me gustaría conocer alguna forma de determinar en qué medida hacerlo. ¿Existe una buena …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

La pregunta: Bootstrapping es superior a jackknifing; Sin embargo, me pregunto si hay casos en los que la navaja es la única o al menos una opción viable para caracterizar la incertidumbre a partir de las estimaciones de los parámetros. Además, en situaciones prácticas, ¿qué tan sesgado / inexacto es …

12 machine-learning  cross-validation  bootstrap  maximum-entropy  jackknife 

Me preguntaba cómo funcionan los CI de arranque (y BCa en barticular) en los datos distribuidos normalmente. Parece que hay mucho trabajo examinando su rendimiento en varios tipos de distribuciones, pero no pudo encontrar nada en los datos distribuidos normalmente. Como parece algo obvio estudiar primero, supongo que los documentos …

12 confidence-interval  bootstrap  normality-assumption  resampling 

Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Tengo dos muestras muy sesgadas y estoy tratando de usar bootstrapping para comparar sus medias usando la estadística t. ¿Cuál es el procedimiento correcto para hacerlo? El proceso que estoy usando Me preocupa la conveniencia de utilizar el error estándar de los datos originales / observados en el paso final …

12 hypothesis-testing  t-test  bootstrap 

Me preocupa el problema de que me gustaría arrancar el valor p para una estimación de partir de datos de imputación múltiple (MI), pero que no está claro para mí cómo combinar los valores p en los conjuntos de MI.θθ\theta Para los conjuntos de datos MI, el enfoque estándar para …

12 confidence-interval  variance  p-value  bootstrap  multiple-imputation 

Tengo un problema de análisis de decisiones bastante complicado que involucra pruebas de confiabilidad y el enfoque lógico (para mí) parece involucrar el uso de MCMC para soportar un análisis bayesiano. Sin embargo, se ha sugerido que sería más apropiado utilizar un enfoque de arranque. ¿Podría alguien sugerir una referencia …

12 bayesian  bootstrap 

El bootstrap, en su forma estándar, se puede usar para calcular los intervalos de confianza de las estadísticas estimadas, siempre que las observaciones sean idóneas. I. Visser y col. en " Intervalos de confianza para parámetros de modelo de Markov ocultos ", se utilizó una rutina de arranque paramétrica para …

12 confidence-interval  bootstrap  hidden-markov-model 

Quiero usar bootstrapping para estimar los intervalos de confianza para los parámetros estimados de un conjunto de datos de panel con N = 250 empresas y T = 50 meses. La estimación de parámetros es computacionalmente costosa (pocos días de cómputo) debido al uso del filtrado de Kalman y la …

12 confidence-interval  bootstrap  nonlinear-regression  kalman-filter