Preguntas etiquetadas con sampling

Crear muestras de una población bien especificada utilizando un método probabilístico y / o produciendo números aleatorios a partir de una distribución especificada. Como esta etiqueta es ambigua, considere [muestreo-encuesta] para el primero y [monte-carlo] o [simulación] para el segundo. Para preguntas relacionadas con la creación de muestras aleatorias a partir de distribuciones conocidas, considere usar la etiqueta [generación aleatoria].

2
Dibujo de la distribución de Dirichlet
Digamos que tenemos una distribución de Dirichlet con vector de parámetro dimensional → α = [ α 1 , α 2 , . . . , α K ] . ¿Cómo puedo extraer una muestra (un vector K- dimensional) de esta distribución? Necesito una explicación (posiblemente) simple.KKKα⃗ = [ α1, …
1
Explicación del factor de corrección finito.
Entiendo que cuando se toma una muestra de una población finita y nuestro tamaño de muestra es más del 5% de la población, necesitamos una corrección en la media y el error estándar de la muestra usando esta fórmula: FPAGSdo= N- nnorte- 1----√FPAGSdo=norte-nortenorte-1\hspace{10mm} FPC=\sqrt{\frac{N-n}{N-1}} Donde es el tamaño de la …
2
La paradoja de los datos de iid (al menos para mí)
En cuanto a mi agregada (y escasos) conocimientos sobre estadísticas permisos, entendí que si X1,X2,...,XnX1,X2,...,XnX_1, X_2,..., X_n son variables aleatorias iid, luego, como el término implica, son independientes y están distribuidas de manera idéntica. Mi preocupación aquí es la antigua propiedad de muestras iid, que dice: p(Xn|Xi1,Xi2,...,Xik)=p(Xn),p(Xn|Xi1,Xi2,...,Xik)=p(Xn),p(X_{n}|X_{i_1},X_{i_2},...,X_{i_k}) = p(X_{n}), para …
1
Bootstrapping vs Bayesian Bootstrapping conceptualmente?
Tengo problemas para comprender qué es un proceso Bayesian Bootstrapping y cómo eso diferiría de su rutina de arranque normal. Y si alguien pudiera ofrecer una revisión intuitiva / conceptual y una comparación de ambos, sería genial. Pongamos un ejemplo. Digamos que tenemos un conjunto de datos X que es …
4
¿Cómo proyectar un nuevo vector en el espacio PCA?
Después de realizar el análisis de componentes principales (PCA), quiero proyectar un nuevo vector en el espacio PCA (es decir, encontrar sus coordenadas en el sistema de coordenadas PCA). He calculado PCA en lenguaje R usando prcomp. Ahora debería poder multiplicar mi vector por la matriz de rotación PCA. ¿Deben …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 
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.