Pertanyaan yang diberi tag «estimation»

Tag ini terlalu umum; berikan tag yang lebih spesifik. Untuk pertanyaan tentang properti estimator tertentu, gunakan tag [estimator].

1
Estimasi kemungkinan maksimum untuk distribusi terpotong
Pertimbangkan sampel independen diperoleh dari variabel acak yang diasumsikan mengikuti distribusi terpotong (mis. Distribusi terpotong ) dari nilai minimum dan maksimum yang diketahui (hingga) dan tetapi dari parameter yang tidak diketahui dan . Jika mengikuti distribusi non-terpotong, estimator kemungkinan maksimum dan untuk dan dari akan menjadi rata-rata sampelS XNNNSSSXXXb μ …
4
Validasi silang internal vs eksternal dan pemilihan model
Pemahaman saya adalah bahwa dengan validasi silang dan pemilihan model kami mencoba mengatasi dua hal: P1 . Perkirakan perkiraan kerugian pada populasi saat pelatihan dengan sampel kami P2 . Ukur dan laporkan ketidakpastian estimasi kami ini (varians, interval kepercayaan, bias, dll.) Praktik standar tampaknya melakukan validasi silang berulang, karena ini …
2
Bias penaksir momen dari distribusi lognormal
Saya melakukan beberapa percobaan numerik yang terdiri dari pengambilan sampel distribusi lognormal X∼LN(μ,σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma) , dan mencoba memperkirakan momen dengan dua metode:E[Xn]E[Xn]\mathbb{E}[X^n] Melihat rata-rata sampelXnXnX^n Memperkirakan dan dengan menggunakan mean sampel untuk , dan kemudian menggunakan fakta bahwa untuk distribusi lognormal, kita memiliki .σ 2μμ\muσ2σ2\sigma^2E [ X n ] = …
4
Memperkirakan parameter distribusi-t Student
Apa penduga kemungkinan maksimum untuk parameter t-distribusi Student? Apakah mereka ada dalam bentuk tertutup? Pencarian Google cepat tidak memberi saya hasil apa pun. Hari ini saya tertarik pada kasus univariat, tetapi mungkin saya harus memperluas model ke beberapa dimensi. EDIT: Saya sebenarnya lebih tertarik pada parameter lokasi dan skala. Untuk …
2
Bagaimana cara memperoleh fungsi kemungkinan untuk distribusi binomial untuk estimasi parameter?
Menurut Miller dan Freund's Probability and Statistics for Engineers, 8ed (hal.217-218), fungsi kemungkinan dimaksimalkan untuk distribusi binomial (uji coba Bernoulli) diberikan sebagai L(p)=∏ni=1pxi(1−p)1−xiL(p)=∏i=1npxi(1−p)1−xsayaL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} Bagaimana cara mencapai persamaan ini? Tampaknya cukup jelas bagi saya mengenai distribusi lainnya, Poisson dan Gaussian; L(θ)=∏ni=1PDF or PMF of dist.L(θ)=∏i=1nPDF or PMF of dist.L(\theta) …
1
Apakah penaksir yang tidak konsisten lebih disukai?
Konsistensi jelas merupakan penaksir properti yang alami dan penting, tetapi adakah situasi di mana mungkin lebih baik menggunakan penaksir yang tidak konsisten daripada yang konsisten? Lebih khusus lagi, adakah contoh estimator yang tidak konsisten yang mengungguli estimator konsisten yang masuk akal untuk semua n terbatasnnn (sehubungan dengan beberapa fungsi kerugian …
3
Estimasi unjuk kerja matriks kovarians untuk data yang disensor berlipat ganda
Analisis kimia terhadap sampel lingkungan sering disensor di bawah ini pada batas pelaporan atau berbagai batas deteksi / kuantisasi. Yang terakhir dapat bervariasi, biasanya sebanding dengan nilai-nilai variabel lain. Sebagai contoh, sampel dengan konsentrasi tinggi dari satu senyawa mungkin perlu diencerkan untuk analisis, menghasilkan inflasi proporsional batas sensor untuk semua …
4
Bagaimana cara memproyeksikan vektor baru ke ruang PCA?
Setelah melakukan analisis komponen utama (PCA), saya ingin memproyeksikan vektor baru ke ruang PCA (yaitu menemukan koordinatnya dalam sistem koordinat PCA). Saya telah menghitung PCA dalam bahasa R menggunakan prcomp. Sekarang saya harus bisa mengalikan vektor saya dengan matriks rotasi PCA. Haruskah komponen utama dalam matriks ini disusun dalam baris …
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 
4
Apa nilai yang benar untuk presisi dan mengingat dalam kasus tepi?
Presisi didefinisikan sebagai: p = true positives / (true positives + false positives) Apakah benar bahwa, sebagai true positivesdan false positivespendekatan 0, presisi mendekati 1? Pertanyaan yang sama untuk diingat: r = true positives / (true positives + false negatives) Saat ini saya sedang menerapkan tes statistik di mana saya …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
1
Mengapa estimator James-Stein disebut sebagai estimator “penyusutan”?
Saya telah membaca tentang estimator James-Stein. Ini didefinisikan, dalam catatan ini , sebagai θ^=(1−p−2∥X∥2)Xθ^=(1−p−2‖X‖2)X \hat{\theta}=\left(1 - \frac{p-2}{\|X\|^2}\right)X Saya telah membaca buktinya tetapi saya tidak mengerti pernyataan berikut: Secara geometris, estimator James-Stein menyusut setiap komponen menuju titik asal ...XXX Apa arti "menyusutkan setiap komponen XXX ke titik asal"? Saya sedang memikirkan …
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.