Preguntas etiquetadas con model

Una formalización de las relaciones entre variables relacionadas estocásticamente (al azar) en forma de ecuaciones matemáticas. NO USE ESTA ETIQUETA POR SI MISMO: siempre incluya una más específica.

7
Cuanto pagar Un problema practico
Esta no es una pregunta de trabajo a domicilio sino un problema real que enfrenta nuestra empresa. Hace muy poco (hace 2 días) pedimos la fabricación de 10000 etiquetas de productos a un distribuidor. El distribuidor es una persona independiente. Obtiene las etiquetas fabricadas desde el exterior y la empresa …






5
¿Un modelo sobreajustado es necesariamente inútil?
Suponga que un modelo tiene una precisión del 100% en los datos de entrenamiento, pero una precisión del 70% en los datos de la prueba. ¿Es cierto el siguiente argumento sobre este modelo? Es obvio que este es un modelo sobreajustado. La precisión de la prueba se puede mejorar reduciendo …

3
¿Cuál es la diferencia entre un "experimento estadístico" y un "modelo estadístico"?
Estoy siguiendo AW van der Vaart, estadísticas asintóticas (1998). Habla de experimentos estadísticos, alegando que son diferentes de un modelo estadístico, pero no define ninguno. Mi pregunta: ¿Qué es (1) un experimento estadístico, (2) un modelo estadístico y (3) cuál es el ingrediente clave que siempre distinguirá al experimento estadístico …


2
¿Cuál sería un ejemplo de un modelo realmente simple con una probabilidad intratable?
El cálculo bayesiano aproximado es una técnica realmente genial para ajustar básicamente cualquier modelo estocástico, destinado a modelos donde la probabilidad es intratable (por ejemplo, puede tomar muestras del modelo si fija los parámetros pero no puede calcular la probabilidad numérica, algorítmica o analíticamente ). Al presentar el cálculo bayesiano …

4
La precisión de la máquina de aumento de gradiente disminuye a medida que aumenta el número de iteraciones
Estoy experimentando con el algoritmo de la máquina de aumento de gradiente a través del caretpaquete en R. Usando un pequeño conjunto de datos de admisión a la universidad, ejecuté el siguiente código: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] …
15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

3
¿Cuáles son las opciones en el modelo de regresión de riesgo proporcional cuando los residuos de Schoenfeld no son buenos?
Estoy haciendo una regresión de riesgos proporcionales de Cox en R usando coxph, que incluye muchas variables. Los residuos de Martingala se ven geniales, y los residuos de Schoenfeld son excelentes para CASI TODAS las variables. Hay tres variables cuyos residuos de Schoenfeld no son planos, y la naturaleza de …


2
Inferencia estadística bajo especificación errónea
El tratamiento clásico de la inferencia estadística se basa en el supuesto de que existe una estadística correctamente especificada. Es decir, la distribución P∗(Y)P∗(Y)\mathbb{P}^*(Y) que generó los datos observados yyy es parte del modelo estadístico MM\mathcal{M} : P∗(Y)∈M={Pθ(Y):θ∈Θ}P∗(Y)∈M={Pθ(Y):θ∈Θ}\mathbb{P}^*(Y) \in \mathcal{M}=\{\mathbb{P}_\theta(Y) :\theta \in \Theta\} Sin embargo, en la mayoría de las …


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.