Pertanyaan yang diberi tag «binomial»

Saya memiliki pertanyaan yang hampir sama seperti ini: Bagaimana saya bisa memodelkan jumlah variabel acak Bernoulli secara efisien? Tetapi pengaturannya sangat berbeda: S=∑i=1,NXiS=∑i=1,NXiS=\sum_{i=1,N}{X_i} , , ~ 20, p_i ~ 0.1P(Xi=1)=piP(Xi=1)=piP(X_{i}=1)=p_iNNNpipip_i Kami memiliki data untuk hasil variabel acak Bernoulli: Xi,jXi,jX_{i,j} , Sj=∑i=1,NXi,jSj=∑i=1,NXi,jS_j=\sum_{i=1,N}{X_{i,j}} Jika kita memperkirakan pipip_i dengan estimasi kemungkinan maksimum (dan …

9 distributions  modeling  binomial  random-variable  non-independent 

Jadi, saya memiliki 16 percobaan di mana saya mencoba untuk mengotentikasi seseorang dari sifat biometrik menggunakan Hamming Distance. Ambang batas saya diatur ke 3.5. Data saya di bawah dan hanya percobaan 1 yang Benar-Benar Positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  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 

Biarkan . Kita tahu bahwa dan . Apakah ini menyiratkan bahwa mean sampel dan varians sampel saling bergantung ? Atau apakah itu hanya berarti bahwa varians populasi dapat ditulis sebagai fungsi dari mean populasi ?X∼ B i n o m i a l ( n , p )X∼Binomial(n,p)X\sim\mathrm{Binomial}(n,p)E [X] = …

9 distributions  binomial  independence 

Hampir setiap buku teks yang membahas aproksimasi normal terhadap distribusi binomial menyebutkan aturan praktis bahwa aproksimasi dapat digunakan jika dan . Beberapa buku menyarankan np (1-p) \ geq 5 sebagai gantinya. Konstanta yang sama 5 sering muncul dalam diskusi tentang kapan harus menggabungkan sel dalam uji \ chi ^ 2 …

9 normal-distribution  binomial  approximation 

Saya mensimulasikan uji coba Bernoulli dengan acak logitθ∼N(logitθ0,12)logitθ∼N(logitθ0,12)\text{logit}\, \theta \sim {\cal N}(\text{logit}\, \theta_0, 1^2)antara kelompok dan kemudian saya cocokkan dengan model yang sesuai dengan lme4paket: library(lme4) library(data.table) I <- 30 # number of groups J <- 10 # number of Bernoulli trials within each group logit <- function(p) log(p)-log(1-p) expit …

9 mixed-model  generalized-linear-model  binomial  random-effects-model  lme4-nlme 

library(lme4) out <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd), data = cbpp, family = binomial, contrasts = list(period = "contr.sum")) summary(out) Fixed effects: Estimate Std. Error z value Pr(>|z|) (Intercept) -2.32337 0.22129 -10.499 < 2e-16 *** period1 0.92498 0.18330 5.046 4.51e-07 *** period2 -0.06698 0.22845 -0.293 …

9 r  binomial  logit  lme4-nlme 

Saya memiliki blok intuitif dengan ini. Untuk masalah binomial, standar deviasi hitungan adalahn p ( 1 - p )--------√nhal(1-hal)\sqrt{np(1-p)}. Sebaliknya, standar deviasi proporsi sampel menurun dengan meningkatnyannn dan p ( 1 - p )n-----√hal(1-hal)n\sqrt{\frac{p(1-p)}{n}}. Saya dapat melakukan pembagian dengannnn tapi saya tidak punya perasaan mengapa standar deviasi bergerak berlawanan arah.

9 binomial  standard-deviation 

Sebuah koin dilemparkan 900 kali dan kepala muncul 490 kali. Apakah hasilnya mendukung hipotesis bahwa koin itu tidak bias?

9 hypothesis-testing  self-study  statistical-significance  binomial 

Misalkan kita memiliki model regresi logistik: P(y=1|x)log(p1−p)=p= β xP(y=1|x)=halcatatan⁡(hal1-hal)=βx\begin{align} P(y=1\vert\mathbf{x}) &= p \\ \log\left(\frac{p}{1-p}\right) &= \boldsymbol{\beta}\mathbf{x} \end{align} Diberikan sampel acak D = { X,y}D={X,y}D=\{\mathbf{X},\mathbf{y}\} dengan ukuran NNN , kita dapat menghitung interval kepercayaan untuk ββ\boldsymbol{\beta} dan interval prediksi yang sesuai untuk phalp , dengan nilai tertentu x∗x∗\mathbf{x}^* dari vektor prediktor. …

8 logistic  binomial  prediction-interval 

Perusahaan elektronik menghasilkan perangkat yang berfungsi dengan baik 95% dari waktu. Perangkat baru dikirim dalam kotak 400. Perusahaan ingin menjamin bahwa k atau lebih banyak perangkat per kotak berfungsi. Apa k terbesar sehingga setidaknya 95% kotak memenuhi garansi? Mencoba: Saya tahu saya harus menggunakan Teorema Limit Pusat untuk masalah ini, …

8 self-study  binomial  central-limit-theorem 

Pertimbangkan regresi binomial berikut: # Create some data set.seed(10) n <- 500 x <- runif(n,0,100) y <- x + rnorm(n,sd=100) < 0 # Fit a binomial regression model model <- glm(y ~ x, family="binomial") summary(model) The summarymengembalikan fungsi p-nilai 1.03e-05. Saat menggunakan anova.glm, satu mendapat nilai p sedikit lebih ekstrim …

8 r  hypothesis-testing  logistic  generalized-linear-model  binomial 

Pertama izinkan saya memberi latar belakang; Saya akan meringkas pertanyaan saya di bagian akhir. Distribusi Beta, diparameterisasi dengan rata-rata μμ\mudan , memiliki , di mana adalah fungsi varians.ϕϕ\phiVar( Y) = V( μ ) / ( ϕ + 1 )Var⁡(Y)=V⁡(μ)/(ϕ+1)\operatorname{Var}(Y) = \operatorname{V}(\mu)/(\phi+1)V( μ ) = μ ( 1 - μ )V⁡(μ)=μ(1-μ)\operatorname{V}(\mu) …

8 generalized-linear-model  lme4-nlme  binomial  beta-regression  quasi-likelihood 

bagaimana saya bisa menghitung varian p yang diturunkan dari distribusi binomial? Katakanlah saya melempar koin dan mendapatkan kepala. Saya dapat memperkirakan p sebagai k / n, tetapi bagaimana saya bisa menghitung varians dalam perkiraan itu? Saya tertarik pada hal ini sehingga saya dapat mengontrol varians dalam perkiraan rasio saya ketika …

8 probability  variance  binomial 

Bayangkan sebuah pemilihan di mana orang membuat pilihan biner: mereka memilih A atau menentangnya. Hasilnya adalah bahwa orang memilih untuk A, dan hasilnya A adalah .nnnmmmp = m / np=m/np=m/n Jika saya ingin memodelkan pemilihan ini, saya dapat mengasumsikan bahwa setiap orang memilih A secara independen dengan probabilitas , yang …

8 mathematical-statistics  variance  binomial  underdispersion 

Misalkan saya tahu cara membuat Variabel Acak Binomial independen. Bagaimana saya bisa menghasilkan dua variabel acakXXX dan YYY seperti yang X∼Bin(8,23),Y∼Bin(18,23) and Corr(X,Y)=0.5X∼Bin(8,23),Y∼Bin(18,23) and Corr(X,Y)=0.5X\sim \text{Bin}(8,\dfrac{2}{3}),\quad Y\sim \text{Bin}(18,\dfrac{2}{3})\ \text{ and }\ \text{Corr}(X,Y)=0.5 Saya berpikir untuk mencoba menggunakan fakta itu XXX dan Y−ρXY−ρXY-\rho X independen di mana ρ=Corr(X,Y)ρ=Corr(X,Y)\rho=Corr(X,Y) tapi saya tidak …

8 self-study  correlation  multivariate-analysis  binomial  simulation