Preguntas etiquetadas con sampling

Lei de allí que el error estándar de la varianza de la muestra es Smis2= 2 σ4 4norte- 1------√Smis2=2σ4 4norte-1SE_{s^2} = \sqrt{\frac{2 \sigma^4}{N-1}} ¿Cuál es el error estándar de la desviación estándar de la muestra? Estaría tentado a adivinar y decir que pero no estoy seguro.Smis= Smis2----√Smis=Smis2SE_{s} = \sqrt{SE_{s^2}}

20 sampling  standard-deviation  standard-error 

Acabo de leer un poco sobre el muestreo de Gibbs y el algoritmo Metropolis Hastings y tengo un par de preguntas. Según tengo entendido, en el caso del muestreo de Gibbs, si tenemos un gran problema multivariado, tomamos muestras de la distribución condicional, es decir, tomamos muestras de una variable …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

Tengo problemas para generar un conjunto de series temporales de colores estacionarios, dada su matriz de covarianza (sus densidades espectrales de potencia (PSD) y sus densidades espectrales de potencia cruzada (CSD)). Sé que, dadas dos series temporales y , puedo estimar sus densidades espectrales de potencia (PSD) y densidades espectrales …

20 time-series  sampling  algorithms  simulation  covariance 

Quiero muestrear de acuerdo con una densidad f(a)∝cada−1Γ(a)1(1,∞)(a)f(a)∝cada−1Γ(a)1(1,∞)(a) f(a) \propto \frac{c^a d^{a-1}}{\Gamma(a)} 1_{(1,\infty)}(a) dondecccydddson estrictamente positivo. (Motivación: Esto podría ser útil para el muestreo de Gibbs cuando el parámetro de forma de una densidad Gamma tiene un previo uniforme). ¿Alguien sabe cómo tomar muestras de esta densidad fácilmente? ¿Tal vez …

19 distributions  sampling  gamma-distribution 

De cualquier algoritmo de muestreo genérico, uno puede derivar un algoritmo de optimización. De hecho, para maximizar una función arbitraria , es suficiente para extraer muestras de g ~ e f / T . Para suficientemente pequeño, estas muestras caerán cerca del máximo global (o máximos locales en la práctica) …

18 sampling  optimization 

Dado: Una moneda con sesgo desconocido (Cabeza).ppp Un real estrictamente positivo .a>0a>0a > 0 Problema: Genere una variante aleatoria de Bernoulli con sesgo .papap^{a} ¿Alguien sabe como hacer esto? Por ejemplo, cuando es un número entero positivo, uno puede voltear la moneda vez y ver si todos los resultados fueron …

18 sampling 

Estoy trabajando en una aplicación de encuesta de salud abierta, planeada para ser utilizada en países en desarrollo. La idea básica es que las entrevistas de la encuesta son de crowdsourcing : son realizadas por voluntarios no organizados que envían datos de formularios de las entrevistas que realizaron utilizando sus …

18 sampling 

Para calcular el intervalo de confianza (IC) para la media con desviación estándar de población desconocida (sd), estimamos la desviación estándar de población empleando la distribución t. Notablemente, CI=X¯±Z95%σX¯CI=X¯±Z95%σX¯CI=\bar{X} \pm Z_{95\% }\sigma_{\bar X} donde σX¯=σn√σX¯=σn\sigma_{\bar X} = \frac{\sigma}{\sqrt n} . Pero debido a que no tenemos una estimación puntual de …

18 normal-distribution  confidence-interval  sampling  t-distribution 

He tenido dificultades para comprender el significado de "muestra aleatoria", así como "variable aleatoria iid". Traté de encontrar el significado de varias fuentes, pero me confundí cada vez más. Estoy publicando aquí lo que probé y llegué a saber: Probabilidad y estadística de Degroot dice: Muestras aleatorias / iid / …

18 sampling  terminology  iid 

Estoy tratando de aplicar MCMC en un problema, pero mis antecedentes (en mi caso son α∈[0,1],β∈[0,1]α∈[0,1],β∈[0,1]\alpha\in[0,1],\beta\in[0,1] ) ¿están restringidos a un área? ¿Puedo usar MCMC normal e ignorar las muestras que quedan fuera de la zona restringida (que en mi caso es [0,1] ^ 2), es decir, reutilizar la función …

18 sampling  mcmc  monte-carlo  random-walk 

Supongamos que tenemos muestras de dos variables aleatorias independientes de Bernoulli, y .B e r ( θ1)simir(θ1)\mathrm{Ber}(\theta_1)B e r ( θ2)simir(θ2)\mathrm{Ber}(\theta_2) ¿Cómo demostramos que ?( X¯1- X¯2) - ( θ1- θ2)θ1( 1 - θ1)norte1+ θ2( 1 - θ2)norte2--------------√→renorte( 0 , 1 )(X¯1-X¯2)-(θ1-θ2)θ1(1-θ1)norte1+θ2(1-θ2)norte2→renorte(0 0,1)\frac{(\bar X_1-\bar X_2)-(\theta_1-\theta_2)}{\sqrt{\frac{\theta_1(1-\theta_1)}{n_1}+\frac{\theta_2(1-\theta_2)}{n_2}}}\xrightarrow{d} \mathcal N(0,1) Suponga que .norte1≠ …

17 distributions  sampling  bernoulli-distribution 

Me gustaría generar muestras de la región azul definida aquí: La solución ingenua es utilizar el muestreo de rechazo en el cuadrado de la unidad, pero esto proporciona solo una eficiencia de (~ 21.4%).1−π/41−π/41-\pi/4 ¿Hay alguna manera de que pueda probar más eficientemente?

17 probability  sampling  monte-carlo  random-generation 

Estoy enseñando una clase de introducción de estadísticas y estaba revisando los tipos de muestreo, incluido el muestreo sistemático donde muestras cada kth individual u objeto. Un estudiante preguntó si muestrear a cada persona con una característica particular lograría lo mismo. Por ejemplo, ¿el muestreo de cada persona con una …

17 sampling 

Antecedentes Tengo una variable con una distribución desconocida. Tengo 500 muestras, pero me gustaría demostrar la precisión con la que puedo calcular la varianza, por ejemplo, argumentar que un tamaño de muestra de 500 es suficiente. También estoy interesado en conocer el tamaño mínimo de muestra que se requeriría para …

17 estimation  random-variable  variance  sampling  sample-size 

Supongamos que tenemos una variable aleatoria XXX admitida en [0,1][0,1][0,1] de la que podemos extraer muestras. ¿Cómo podemos llegar a una estimación imparcial de la mediana de XXX ? Por supuesto, podemos generar algunas muestras y tomar la mediana de la muestra, pero entiendo que, en general, esto no será …

16 sampling