Preguntas etiquetadas con confidence-interval

Un intervalo de confianza es un intervalo que cubre un parámetro desconocido con confianza. Los intervalos de confianza son un concepto frecuente. A menudo se confunden con intervalos creíbles, que es el análogo bayesiano. (1α)%

2
¿Qué fracción de los experimentos repetidos tendrá un tamaño de efecto dentro del intervalo de confianza del 95% del primer experimento?
Mantengamos una situación ideal con muestreo aleatorio, poblaciones gaussianas, varianzas iguales, sin pirateo de P, etc. Paso 1. Realiza un experimento, por ejemplo, comparando dos medias de muestra, y calcula un intervalo de confianza del 95% para la diferencia entre las dos medias de población. Paso 2. Realizas muchos más …

2
Significado real de elipse de confianza
Al leer sobre el verdadero significado de la elipse de confianza del 95%, tiendo a encontrar 2 explicaciones: La elipse que contiene el 95% de los datos. No es lo anterior, sino la elipse que explica la varianza de los datos. No estoy seguro de entenderlo correctamente, pero parecen significar …


3
Diferentes formas de producir un intervalo de confianza para odds ratio a partir de la regresión logística
Estoy estudiando cómo construir un intervalo de confianza del 95% para odds ratio a partir de los coeficientes obtenidos en la regresión logística. Entonces, considerando el modelo de regresión logística, Iniciar sesión( p1 - p) =α+βXlog⁡(p1−p)=α+βx \log\left(\frac{p}{1 - p}\right) = \alpha + \beta x \newcommand{\var}{\rm Var} \newcommand{\se}{\rm SE} tal que …




5
¿Cómo realizar la imputación de valores en una gran cantidad de puntos de datos?
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 


1
Clopper-Pearson para no matemáticos
Me preguntaba si alguien puede explicarme la intuición más allá del CI Clopper-Pearson para las proporciones. Hasta donde yo sé, cada CI incluye una variación en él. Sin embargo, para las proporciones, incluso si mi proporción es 0 o 1 (0% o 100%), se puede calcular el IC de Clopper-Pearson. …






Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.