Preguntas etiquetadas con proof

En regresión lineal, he encontrado un resultado encantador que si encajamos en el modelo E[Y]=β1X1+β2X2+c,mi[Y]=β1X1+β2X2+C,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, entonces, si estandarizamos y centramos los datos , X 1 y X 2 ,YYYX1X1X_1X2X2X_2 R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R^2 = \mathrm{Cor}(Y,X_1) \beta_1 + \mathrm{Cor}(Y, X_2) \beta_2. Esto me parece una versión …

9 regression  linear-model  r-squared  proof 

Tenía una tarea asignada para expresar la distribución binomial negativa como una familia exponencial de distribuciones dado que el parámetro de dispersión era una constante conocida. Esto fue bastante fácil, pero me preguntaba por qué requerirían que mantuviéramos fijo ese parámetro. Descubrí que no podía encontrar una manera de ponerlo …

9 self-study  mathematical-statistics  negative-binomial  proof  exponential-family 

¿Cómo muestra que el punto de los promedios (x, y) se encuentra en la línea de regresión estimada?

9 distributions  regression  proof  self-study 

Ejercicio: hay un dado de 6 caras y una moneda sesgada que tiene una probabilidad p> 0 de aparecer cara en cada lanzamiento. El dado se lanza infinitamente a menudo, y cada vez que tira un 6, arroja la moneda. Demuestre que con probabilidad 1, arroja "cabezas" infinitamente a menudo. …

8 probability  self-study  proof  theory 

Supongamos que tenemos un instrumento binario que puede usarse para estimar el efecto de la variable endógena en el resultado . Suponga que el instrumento tiene una primera etapa significativa, se asigna aleatoriamente, satisface la restricción de exclusión y satisface la monotonicidad como se describe en Angrist e Imbens (1994). …

8 mathematical-statistics  econometrics  proof  instrumental-variables 

He leído esta declaración muchas veces, pero nunca he encontrado una prueba. Me gustaría intentar producir uno yo mismo, pero ni siquiera estoy seguro de qué notación usar. Puede alguien ayudarme con esto?

8 mathematical-statistics  random-forest  unbiased-estimator  proof 

Tengo un parámetro que se encuentra entre . Digamos que puedo ejecutar un experimento y obtener , donde es un gaussiano estándar. Lo que necesito es una estimación de que es 1) imparcial 2) casi seguramente acotada. El requisito (2) es crucial para mí.θθ\theta[0,1][0,1][0,1]θ^=θ+wθ^=θ+w\hat{\theta} = \theta + wwwwθθ\theta Lo natural …

8 estimation  mathematical-statistics  unbiased-estimator  proof