Preguntas etiquetadas con sample

He estado trabajando en un nuevo método para analizar y analizar conjuntos de datos para identificar y aislar subgrupos de una población sin conocimiento previo de las características de ningún subgrupo. Si bien el método funciona lo suficientemente bien con muestras de datos artificiales (es decir, conjuntos de datos creados …

98 dataset  sample  population  teaching 

¿Cuál es la diferencia entre una población y una muestra? ¿Qué variables y estadísticas comunes se utilizan para cada una y cómo se relacionan entre ellas?

38 standard-deviation  variance  sample  population 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 2 años . Estoy usando caret para ejecutar un bosque aleatorio validado cruzado sobre un conjunto de datos. La …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

¿Qué sucede si toma una muestra aleatoria y puede ver que claramente no es representativa, como en una pregunta reciente ? Por ejemplo, ¿qué sucede si se supone que la distribución de la población es simétrica alrededor de 0 y la muestra que extrae al azar tiene observaciones positivas y …

28 sampling  experiment-design  inference  sample 

Acabo de encontrar este artículo , que describe cómo calcular la repetibilidad (también conocida como confiabilidad, también conocida como correlación intraclase) de una medición a través del modelado de efectos mixtos. El código R sería: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

He probado un proceso del mundo real, tiempos de ping de red. El "tiempo de ida y vuelta" se mide en milisegundos. Los resultados se trazan en un histograma: Los tiempos de ping tienen un valor mínimo, pero una cola superior larga. Quiero saber qué distribución estadística es esta y …

22 distributions  sample-size  sample  normality-assumption  distribution-identification 

Supongamos que uno realiza la llamada rutina de arranque no paramétrica extrayendo muestras de tamaño cada una de las observaciones originales con reemplazo. Creo que este procedimiento es equivalente a estimar la función de distribución acumulativa por el cdf empírico:BBBnnortennortenorten http://en.wikipedia.org/wiki/Empirical_distribution_function y luego obtener las muestras de bootstrap simulando observaciones …

14 bootstrap  sample-size  sample  small-sample  finite-population 

¿Cuál es la diferencia entre la varianza muestral y la varianza muestral? Parecen lo mismo. ¿No son ellos?

14 sampling  variance  sample 

¿Es válido usar la longitud media ( hhh ) y el peso medio ( www ) de una población dada para calcular el índice de masa corporal promedio ( BMI=wh2BMI=wh2BMI = \frac{w}{h^2} ) para esa población?

13 mean  sample  population 

Estoy relativamente familiarizado con la distinción entre los términos estadística y parámetro. Veo una estadística como el valor obtenido al aplicar una función a los datos de la muestra. Sin embargo, la mayoría de los ejemplos de parámetros se relacionan con la definición de una distribución paramétrica. Un ejemplo común …

13 estimation  terminology  sample  population 

Espero que esta pregunta no se marque "como demasiado general" y espero que se inicie una discusión que beneficie a todos. En estadística, pasamos mucho tiempo aprendiendo grandes teorías de muestra. Estamos profundamente interesados ​​en evaluar las propiedades asintóticas de nuestros estimadores, incluso si son asintóticamente insesgadas, asintóticamente eficientes, su …

13 sample  asymptotics 

¿Cuáles son los pros y los contras de usar LARS [1] versus usar el descenso coordinado para ajustar la regresión lineal regularizada por L1? Estoy principalmente interesado en los aspectos de rendimiento (mis problemas tienden a tener Ncientos de miles y p<20). Sin embargo, cualquier otra información también sería apreciada. …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Estas dos expresiones me confundieron mucho cuando estaba aprendiendo estadísticas. Me parece que son cosas totalmente diferentes. Una muestra aleatoria es tomar una muestra aleatoria de una población, mientras que una variable aleatoria es como una función que asigna el conjunto de todos los resultados posibles de un experimento a …

13 mathematical-statistics  random-variable  terminology  sample 

Las competiciones de Kaggle determinan las clasificaciones finales en función de un conjunto de pruebas extendido. Un conjunto de prueba extendido es una muestra; puede no ser representativo de la población que se está modelando. Dado que cada presentación es como una hipótesis, el algoritmo que ganó la competencia puede, …

12 machine-learning  probability  hypothesis-testing  sample  kaggle