Preguntas etiquetadas con inference

Acabo de leer este maravilloso libro: Análisis estadístico multivariado aplicado por Johnson y Wichern . La ironía es que todavía no puedo entender la motivación para usar modelos multivariados (regresión) en lugar de modelos univariados (regresión) separados. Revisé las publicaciones stats.statexchange 1 y 2 que explican (a) la diferencia entre …

28 regression  multiple-regression  inference  multivariate-regression 

En las estadísticas bayesianas, a menudo se menciona que la distribución posterior es intratable y, por lo tanto, se debe aplicar una inferencia aproximada. ¿Cuáles son los factores que causan esta intratabilidad?

28 bayesian  approximation  inference 

Supongamos que tenemos un escenario de comparaciones múltiples, como la inferencia post hoc en estadísticas por pares, o como una regresión múltiple, donde estamos haciendo un total de mmm comparaciones. Supongamos también que nos gustaría apoyar la inferencia en estos múltiplos utilizando intervalos de confianza. 1. ¿Aplicamos múltiples ajustes de …

27 confidence-interval  multiple-comparisons  inference 

Después de mucho arrastre de Cross Validated, todavía no siento que estoy más cerca de entender la divergencia de KL fuera del ámbito de la teoría de la información. Es bastante extraño que alguien con experiencia en matemáticas encuentre mucho más fácil entender la explicación de la teoría de la …

23 inference  entropy  information-theory  kullback-leibler  compression 

Cuando busco en Google "fisher" "fiducial" ... Seguro que recibo muchos golpes, pero todos los que he seguido están completamente fuera de mi comprensión. Todos estos éxitos parecen tener una cosa en común: están escritos para estadísticos teñidos, personas completamente inmersas en la teoría, la práctica, la historia y la …

23 bayesian  inference  terminology  fiducial  ronald-fisher 

(Disculpas de antemano por el uso de lenguaje laico en lugar de lenguaje estadístico). Si quiero medir las probabilidades de tirar cada lado de un dado físico específico de seis lados dentro de aproximadamente +/- 2% con una confianza razonable de certeza, ¿cuántas muestras de tiradas serían necesarias? es decir, …

22 probability  inference  pdf  dice 

En la inferencia bayesiana, se deriva una distribución predictiva para datos futuros integrando parámetros desconocidos; la integración sobre la distribución posterior de esos parámetros da una distribución predictiva posterior, una distribución para datos futuros condicional a los ya observados. ¿Qué métodos no bayesianos para la inferencia predictiva existen que tengan …

22 prediction  inference  prediction-interval 

He leído el lema de Neyman-Pearson del libro Introducción a la teoría de la estadística de Mood, Graybill y Boes. Pero no he entendido el lema. ¿Alguien puede explicarme el lema en palabras sencillas? ¿Qué dice? Lema de Neyman-Pearson: Sea una muestra aleatoria de , donde es uno de los …

21 hypothesis-testing  self-study  references  inference  likelihood-ratio 

Comprendí que las estadísticas descriptivas describían cuantitativamente las características de una muestra de datos, mientras que las estadísticas inferenciales hacían inferencias sobre las poblaciones de las que se extrajeron las muestras. Sin embargo, la página de wikipedia para estados de inferencia estadística : En su mayor parte, la inferencia estadística …

21 terminology  descriptive-statistics  inference 

De ninguna manera soy estadístico (he tenido un curso de estadística matemática pero nada más que eso), y recientemente, mientras estudiaba teoría de la información y mecánica estadística, conocí esta cosa llamada "medida de incertidumbre" / "entropía". Leí la derivación de Khinchin como una medida de incertidumbre y tenía sentido …

21 entropy  inference 

¿Cómo funciona el método de inversión? Digamos que tengo una muestra aleatoria con densidad sobre y, por lo tanto, con cdf en . Luego, por el método de inversión obtengo la distribución de como . X1,X2,...,XnX1,X2,...,XnX_1,X_2,...,X_nf(x;θ)=1θx(1−θ)θf(x;θ)=1θx(1−θ)θf(x;\theta)={1\over \theta} x^{(1-\theta)\over \theta} 0&lt;x&lt;10&lt;x&lt;10<x<1FX(x)=x1/θFX(x)=x1/θF_X(x)=x^{1/\theta}(0,1)(0,1)(0,1)XXXF−1X(u)=uθFX−1(u)=uθF_X^{-1}(u)=u^\theta Entonces, ¿ tiene la distribución de ? ¿Es así como …

21 r  distributions  inference  random-generation  inverse-cdf 

Para este modelo de regresión lineal univariante dado el conjunto de datos , los coeficientes estimados son Aquí está mi pregunta, de acuerdo con libro y Wikipedia , el error estándar de es ¿Cómo y por qué? D = { ( x 1 , y 1 ) , . . …

20 standard-error  inference 

Estoy realmente interesado en el procedimiento de red elástica para la contracción / selección de predictores. Parece muy poderoso Pero desde el punto de vista científico, no sé qué hacer una vez que obtuve los coeficientes. ¿Qué pregunta estoy respondiendo? ¿Estas son las variables que más influyen en ese resultado …

19 hypothesis-testing  prediction  inference  lasso  elastic-net 

En un comentario publicado recientemente aquí, un comentarista señaló un blog de Larry Wasserman que señala (sin ninguna fuente) que los choques de inferencia frecuente con el principio de probabilidad. El principio de probabilidad simplemente dice que los experimentos que producen funciones de probabilidad similares deberían producir una inferencia similar. …

19 inference  likelihood  frequentist  likelihood-principle 

Entiendo que cuando se utiliza un enfoque bayesiano para estimar los valores de los parámetros: La distribución posterior es la combinación de la distribución previa y la distribución de probabilidad. Simulamos esto generando una muestra de la distribución posterior (por ejemplo, usando un algoritmo de Metropolis-Hasting para generar valores, y …

19 bayesian  inference  simulation  mcmc  posterior