Preguntas etiquetadas con parametric

De la teoría de la estadística de Mark J. Schervish (página 12): Aunque el teorema de representación de DeFinetti 1.49 es central para motivar modelos paramétricos, en realidad no se usa en su implementación. ¿Cómo es el teorema central para los modelos paramétricos?

55 probability  modeling  mathematical-statistics  parametric 

Me pregunto si hace una diferencia en la interpretación si solo el dependiente, tanto el dependiente como el independiente, o solo las variables independientes se transforman logarítmicamente. Considere el caso de log(DV) = Intercept + B1*IV + Error Puedo interpretar el IV como el porcentaje de aumento, pero ¿cómo cambia …

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

Esta pregunta ha estado enconándose en mi mente durante más de un mes. La edición de febrero de 2015 de Amstat News contiene un artículo del profesor Mark van der Laan de Berkeley que regaña a las personas por usar modelos inexactos. Afirma que al usar modelos, la estadística es …

45 machine-learning  maximum-likelihood  modeling  nonparametric  parametric 

La probabilidad podría definirse de varias maneras, por ejemplo: la función LLL de Θ × XΘ×X\Theta\times{\cal X} que mapea ( θ , x )(θ,x)(\theta,x) a L ( θ ∣ x )L(θ∣x)L(\theta \mid x) es decir, L : Θ × X→ RL:Θ×X→RL:\Theta\times{\cal X} \rightarrow \mathbb{R} . la función aleatoria L ( …

30 mathematical-statistics  likelihood  likelihood-ratio  parametric 

Al hacer una investigación de series temporales en R, descubrí que arima solo proporciona los valores de los coeficientes y sus errores estándar del modelo ajustado. Sin embargo, también quiero obtener el valor p de los coeficientes. No encontré ninguna función que proporcione la importancia de coef. Así que deseo …

23 r  time-series  chi-squared  arima  parametric 

¿Hay alguna prueba estadística que sea paramétrica y no paramétrica? Esta pregunta fue formulada por un panel de entrevista. ¿Es una pregunta válida?

20 nonparametric  terminology  parametric 

Aparentemente, el coeficiente de correlación de Pearson es paramétrico y el rho de Spearman no es paramétrico. Tengo problemas para entender esto. Según tengo entendido, Pearson se calcula como y Spearman se calcula de la misma manera, excepto que sustituimos todos los valores con sus rangos.rx y= c o v …

19 nonparametric  pearson-r  parametric  spearman-rho 

¿Una familia de una distribución tiene una definición de estadística diferente a la de otras disciplinas? En general, una familia de curvas es un conjunto de curvas, cada una de las cuales viene dada por una función o parametrización en la que se varía uno o más de los parámetros. …

14 distributions  terminology  parametric  exponential-family 

Estoy confundido con la definición de modelo no paramétrico después de leer este enlace Modelos paramétricos versus no paramétricos y responder comentarios de mi otra pregunta . Originalmente pensé que "paramétrico vs no paramétrico" significa si tenemos supuestos de distribución en el modelo (similar a la prueba de hipótesis paramétrica …

14 machine-learning  neural-networks  nonparametric  terminology  parametric 

Actualmente estoy tratando de entender algunas cosas relacionadas con el arranque paramétrico. La mayoría de las cosas son probablemente triviales, pero todavía creo que puede haber pasado algo por alto. Supongamos que quiero obtener intervalos de confianza para los datos utilizando un procedimiento de arranque paramétrico. Entonces tengo esta muestra …

13 nonparametric  bootstrap  simulation  monte-carlo  parametric 

Pruebas como Z, t y varias otras suponen que los datos se basan en un muestreo aleatorio. ¿Por qué? Supongamos que estoy haciendo una investigación experimental, donde me importa mucho más la validez interna que la externa. Entonces, si mi muestra podría estar un poco sesgada, está bien, ya que …

12 hypothesis-testing  sampling  parametric  randomness 

Si se supone que las pruebas no paramétricas tienen menos potencia que sus alternativas paramétricas, ¿implica esto que si alguna prueba paramétrica no rechaza nulo, entonces su alternativa no paramétrica no rechaza también nulo? ¿Cómo puede cambiar esto si no se cumplen los supuestos de la prueba paramétrica y la …

12 hypothesis-testing  nonparametric  parametric 

No creo que pueda haber una respuesta para todos los modelos de aprendizaje profundo. ¿Cuál de los modelos de aprendizaje profundo son paramétricos y cuáles no son paramétricos y por qué?

11 neural-networks  deep-learning  nonparametric  parametric 

Me preguntaba si alguien podría ayudarme con información sobre Kurtosis (es decir, ¿hay alguna forma de transformar sus datos para reducirlos?) Tengo un conjunto de datos de cuestionarios con una gran cantidad de casos y variables. Para algunas de mis variables, los datos muestran valores de curtosis bastante altos (es …

10 distributions  assumptions  kurtosis  discriminant-analysis  parametric 

¿Hay alguna razón particular por la que elegirás la estimación de densidad del kernel sobre la estimación paramétrica? Estaba aprendiendo a ajustar la distribución a mis datos. Esta pregunta me vino. Mi tamaño de datos es relativamente grande con 7500 puntos de datos. Auto reclamaciones. Mi objetivo es ajustarlo a …

10 estimation  nonparametric  kernel-smoothing  parametric