Pertanyaan yang diberi tag «bootstrap»

Bootstrap adalah metode resampling untuk memperkirakan distribusi sampling suatu statistik.

1
Apakah pemusatan diperlukan saat bootstrap berarti sampel?
Saat membaca tentang cara memperkirakan distribusi sampel, berarti saya menemukan metode bootstrap nonparametrik. Rupanya orang dapat memperkirakan distribusi X¯n−μX¯n−μ\bar{X}_n-\mu dengan distribusi X¯∗n-X¯nX¯n∗-X¯n\bar{X}_n^*-\bar{X}_n , di mana menunjukkan rata-rata sampel dari sampel bootstrap.X¯∗nX¯n∗\bar{X}_n^* Pertanyaan saya kemudian adalah: Apakah saya perlu pemusatan? Untuk apa? Tidak bisakah saya memperkirakan oleh ? P ( ˉ …



2
Memahami bootstrap untuk validasi dan pemilihan model
Saya rasa saya mengerti bagaimana dasar-dasar bootstrap bekerja, tapi saya tidak yakin saya mengerti bagaimana saya bisa menggunakan bootstrap untuk pemilihan model atau untuk menghindari overfitting. Untuk pemilihan model, misalnya, apakah Anda hanya memilih model yang menghasilkan kesalahan terendah (mungkin varians?) Di seluruh sampel bootstrapnya? Apakah ada teks yang membahas …




1
Apakah ada kegunaan jackknifing kontemporer?
Pertanyaannya: Bootstrapping lebih unggul daripada jackknifing; Namun, saya bertanya-tanya apakah ada contoh di mana jackknifing adalah satu-satunya atau setidaknya pilihan yang layak untuk mengkarakterisasi ketidakpastian dari estimasi parameter. Juga, dalam situasi praktis bagaimana bias / tidak akurat jackknifing relatif terhadap bootstrap, dan bisakah hasil jackknife memberikan wawasan awal sebelum bootstrap …


5
Bagaimana cara melakukan imputasi nilai dalam jumlah poin data yang sangat besar?
Saya memiliki dataset yang sangat besar dan sekitar 5% nilai acak hilang. Variabel-variabel ini berkorelasi satu sama lain. Contoh berikut dataset R hanyalah contoh mainan dengan data berkorelasi dummy. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …
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 


2
Bagaimana saya bisa menyatukan nilai-p bootstrap di seluruh set data yang dilipatgandakan?
Saya prihatin dengan masalah yang ingin saya bootstrap nilai-p untuk estimasi dari data multiply imputed (MI), tetapi tidak jelas bagi saya bagaimana menggabungkan nilai-p di seluruh set MI.θθ\theta Untuk set data MI, pendekatan standar untuk mendapatkan total varian estimasi menggunakan aturan Rubin. Lihat di sini untuk ulasan tentang kumpulan data …

2
Kapan harus menggunakan teknik bootstrap vs bayesian?
Saya memiliki masalah analisis keputusan yang agak rumit yang melibatkan pengujian reliabilitas dan pendekatan logis (bagi saya) tampaknya melibatkan penggunaan MCMC untuk mendukung analisis Bayesian. Namun, telah disarankan bahwa akan lebih tepat untuk menggunakan pendekatan bootstrap. Bisakah seseorang menyarankan referensi (atau tiga) yang mungkin mendukung penggunaan salah satu teknik di …

1
Menghitung interval kepercayaan melalui bootstrap pada pengamatan dependen
Bootstrap, dalam bentuk standarnya, dapat digunakan untuk menghitung interval kepercayaan dari perkiraan statistik asalkan pengamatan itu benar. I. Visser et al. di " Interval Keyakinan untuk Parameter Model Hidden Markov ," menggunakan bootstrap parametrik untuk menghitung CI untuk parameter HMM. Namun, ketika kami memasukkan HMM pada urutan pengamatan, kami telah …

2
Bisakah kita menggunakan sampel bootstrap yang lebih kecil dari sampel asli?
Saya ingin menggunakan bootstrap untuk memperkirakan interval kepercayaan untuk estimasi parameter dari dataset panel dengan N = 250 perusahaan dan T = 50 bulan. Estimasi parameter mahal secara komputasi (beberapa hari perhitungan) karena penggunaan penyaringan Kalman dan estimasi nonlinier kompleks. Oleh karena itu, menggambar (dengan penggantian) B (dalam ratusan atau …

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.