Preguntas etiquetadas con estimation

Por un simple ejemplo, suponga que hay dos modelos de regresión lineal Modelo 1 tiene tres predictores, x1a, x2b, yx2c El modelo 2 tiene tres predictores del modelo 1 y dos predictores adicionales x2ayx2b Hay una ecuación de regresión poblacional donde la varianza poblacional explicada es para el Modelo 1 …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

Este es un extracto de "Estadística matemática moderna con aplicaciones" de Devore et al. Lo que me desconcierta es que el estimador no puede evitar depender de , ya que la muestra depende del parámetro.θθ\theta

10 estimation 

Tengo experiencia en programación de computadoras y teoría elemental de números, pero no tengo entrenamiento en estadísticas reales, y recientemente he "descubierto" que el asombroso mundo de toda una gama de técnicas es en realidad un mundo estadístico. Parece que las factorizaciones de matrices, la terminación de matrices, los tensores …

10 machine-learning  estimation 

Supongamos que tiene los registros de un servidor web. En estos registros tienes tuplas de este tipo: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Estas marcas de tiempo representan, por ejemplo, los clics de los usuarios. Ahora, user1visitará el sitio varias veces (sesiones) durante el mes, …

10 distributions  estimation  mixture 

Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos últimos dan las mismas respuestas. Usando un montón de …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Por ley (débil / fuerte) de números grandes, dados algunos puntos de muestra iid de una distribución, su muestra significa converge a la media de distribución tanto en probabilidad como en tamaño de muestra va al infinito{xi∈Rn,i=1,…,N}{xi∈Rn,i=1,…,N}\{x_i \in \mathbb{R}^n, i=1,\ldots,N\}f∗({xi,i=1,…,N}):=1N∑Ni=1xif∗({xi,i=1,…,N}):=1N∑i=1Nxif^*(\{x_i, i=1,\ldots,N\}):=\frac{1}{N} \sum_{i=1}^N x_i NNN Cuando el tamaño de la muestra …

10 estimation  expected-value  law-of-large-numbers 

Sabemos por la teoría de la medida que hay eventos que no se pueden medir, es decir, no son medibles por Lebesgue. ¿Cómo llamamos a un evento con una probabilidad de que la medida de probabilidad no esté definida? ¿Qué tipo de declaraciones haríamos sobre tal evento?

10 probability  estimation 

Dada muestras iid de una distribución gaussiana y el estimador M, μ m = argmin a ∑ ρ ( | X i - a | ) , ¿qué propiedades de ρ son suficientes para garantizar la probabilidad de μ m → μ ? ¿ Ρ es estrictamente convexo y estrictamente …

10 estimation 

Tengo un problema con el parámetro de estimación para Zipf. Mi situación es la siguiente: Tengo un conjunto de muestra (medido a partir de un experimento que genera llamadas que deberían seguir una distribución Zipf). Tengo que demostrar que este generador realmente genera llamadas con distribución zipf. Ya leí estas …

10 distributions  estimation  pareto-distribution  zipf 

Un modelo exponencial es un modelo descrito por la siguiente ecuación: yyo^= β0 0⋅ eβ1X1 i+ … + ΒkXk iyi^=β0⋅eβ1x1i+…+βkxki\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} El enfoque más común utilizado para estimar dicho modelo es la linealización, que se puede hacer fácilmente calculando logaritmos de ambos lados. ¿Cuáles son los otros enfoques? Estoy especialmente …

10 estimation  nonlinear-regression 

Deseo probar algunas de mis ideas que creo que son mejores que cualquier cosa que haya visto. Podría estar equivocado, pero me gustaría probar mis ideas y vencer mis dudas con observaciones más ciertas. Lo que he estado pensando hacer es lo siguiente: Definir analíticamente un conjunto de distribuciones. Algunos …

10 hypothesis-testing  estimation  pdf  kernel-smoothing  model-evaluation 

Sea una muestra aleatoria de una distribución para . Es decir,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Encuentre el estimador imparcial con varianza mínima parag(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} Mi intento: Como la distribución geométrica es de la familia exponencial, la estadística es completa y suficiente para . Además, si es un estimador para , es …

10 probability  self-study  estimation  unbiased-estimator  exponential-family 

Tengo algunos datos y estaba tratando de ajustarle una curva suave. Sin embargo, no quiero imponer demasiadas creencias previas o preconcepciones demasiado fuertes (excepto las implicadas por el resto de mi pregunta) sobre ella, o cualquier distribución específica. Solo quería ajustarlo con una curva suave (o tener una buena estimación …

10 estimation  nonparametric  references 

Tenemos N muestras, XiXiX_i , de una distribución uniforme [0,θ][0,θ][0,\theta] donde θθ\theta es desconocido. Estima θθ\theta partir de los datos. Entonces, la regla de Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} y la probabilidad es: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (editar: cuando0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \thetapara todoiii, y 0 de lo …

10 bayesian  estimation  uniform  uninformative-prior 

¿Cuál es la diferencia entre los dos y por qué el nivel de significación debe ser siempre mayor o igual que el tamaño de la prueba?

10 estimation