Preguntas etiquetadas con weighted-regression

He estado trabajando en R por un tiempo y me he enfrentado a cosas como PCA, SVD, descomposiciones QR y muchos resultados de álgebra lineal (al inspeccionar estimaciones de regresiones ponderadas y demás), así que quería saber si alguien tiene una recomendación sobre un buen libro completo de álgebra lineal …

54 references  matrix  linear-algebra  weighted-regression 

Estoy un poco perdido en el proceso de regresión de WLS. Me han dado un conjunto de datos y mi tarea es probar si hay heterocedacidad, y si es así, debería ejecutar la regresión WLS. Llevé a cabo la prueba y encontré evidencia de heterocedacidad, así que necesito ejecutar el …

23 regression  heteroscedasticity  weighted-regression 

Las pruebas de permutación (también llamadas prueba de aleatorización, prueba de aleatorización o prueba exacta) son muy útiles y resultan útiles cuando t-testno se cumple el supuesto de distribución normal requerido por ejemplo y cuando se transforman los valores mediante la clasificación de prueba no paramétrica como Mann-Whitney-U-testconduciría a la …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Estoy muy confundido con cómo funciona el peso en glm con family = "binomial". En mi opinión, la probabilidad de la glm con family = "binomial" se especifica de la siguiente manera: f(y)=(nny)pny(1−p)n(1−y)=exp(n[ylogp1−p−(−log(1−p))]+log(nny))f(y)=(nny)pny(1−p)n(1−y)=exp⁡(n[ylog⁡p1−p−(−log⁡(1−p))]+log⁡(nny)) f(y) = {n\choose{ny}} p^{ny} (1-p)^{n(1-y)} = \exp \left(n \left[ y \log \frac{p}{1-p} - \left(-\log (1-p)\right) \right] + …

14 r  logistic  generalized-linear-model  binomial  weighted-regression 

Recientemente, las preguntas de exploración aleatoria activaron un recuerdo de comentarios fuera de la mano de uno de mis profesores hace unos años, advirtiendo sobre el uso de proporciones en los modelos de regresión. Entonces comencé a leer sobre esto, y finalmente llegué a Kronmal 1993. Quiero asegurarme de que …

14 regression  modeling  interaction  weighted-regression  ratio 

Estoy buscando una referencia donde se pruebe que la media armónica x¯h=n∑ni=11xix¯h=n∑i=1n1xi\bar{x}^h = \frac{n}{\sum_{i=1}^n \frac{1}{x_i}} minimiza (en ) la suma de los errores relativos al cuadradozzz ∑i=1n((xi−z)2xi).∑i=1n((xi−z)2xi).\sum_{i=1}^n \left( \frac{(x_i - z)^2}{x_i}\right).

13 references  mean  error  weighted-regression  harmonic-mean 

Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Después de un año en la escuela de posgrado, mi comprensión de los "mínimos cuadrados ponderados" es la siguiente: let , sea ​​una matriz de diseño , \ boldsymbol \ beta \ in \ mathbb {R} ^ p sea ​​un vector de parámetros, \ boldsymbol \ epsilon \ in \ …

12 r  linear-model  weighted-regression 

Entiendo la mecánica de calcular los pesos usando los puntajes de propensión : y luego aplica los pesos en un análisis de regresión, y que los pesos sirven para "controlar" o disociar los efectos de las covariables en las poblaciones del grupo de tratamiento y control con la variable de …

10 intuition  weighted-regression  propensity-scores 

En Rpodemos "ponderar previamente" una glmregresión a través del parámetro de pesos . Por ejemplo: glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w) ¿Cómo se puede lograr esto en una JAGSo BUGSmodelo? Encontré un artículo discutiendo esto, pero ninguno de ellos proporciona un ejemplo. Me interesan principalmente …

10 bayesian  generalized-linear-model  jags  bugs  weighted-regression 

¿Alguien podría decirme por qué obtengo resultados diferentes de Rmínimos cuadrados ponderados y solución manual por operación de matriz ? Específicamente, estoy tratando de resolver manualmente , donde es la matriz diagonal en los pesos, es la matriz de datos, es la respuesta vector. W A bW A x = …

9 r  regression  least-squares  weighted-regression  weighted-data 

Estoy usando una versión estándar de regresión logística para ajustar mis variables de entrada a las variables de salida binarias. Sin embargo, en mi problema, las salidas negativas (0s) superan con creces a las salidas positivas (1s). La relación es 20: 1. Entonces, cuando entreno un clasificador, parece que incluso …

9 regression  logistic  weighted-regression 

Supongamos que observamos datos Y, XY,XY, X y me gustaría ajustar un modelo de regresión para E [YEl |X]E[Y|X]\mathbf{E}[Y \,|\, X]. Desafortunadamente,YYY a veces se mide con errores cuya media es distinta de cero. Dejar Z∈ { imparcial , sesgado }Z∈{unbiased,biased}Z \in \left\{\text{unbiased}, \text{biased}\right\} clima indicado YYYse mide con errores …

8 regression  bias  measurement-error  weighted-regression 

Tengo un conjunto de datos con una variable de respuesta binaria (supervivencia) y 3 variables explicativas ( A= 3 niveles, B= 3 niveles, C= 6 niveles). En este conjunto de datos, los datos están bien equilibrados, con 100 individuos por ABCcategoría. Ya se estudió el efecto de éstos A, By …

8 logistic  unbalanced-classes  weighted-regression  rare-events  case-control-study 

Mi proyecto actual puede requerir que construya un modelo para predecir el comportamiento de un determinado grupo de personas. el conjunto de datos de entrenamiento contiene solo 6 variables (la identificación es solo para fines de identificación): id, age, income, gender, job category, monthly spend en el cual monthly spendestá …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data