Pertanyaan yang diberi tag «estimation»

Demi contoh sederhana berasumsi bahwa ada dua model regresi linier Model 1 memiliki tiga prediktor, x1a, x2b, danx2c Model 2 memiliki tiga prediktor dari model 1 dan dua prediktor tambahan x2adanx2b Ada persamaan regresi populasi di mana varians populasi yang dijelaskan adalah untuk Model 1 dan untuk Model 2. Varian …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

Ini adalah kutipan dari "Statistik matematika modern dengan aplikasi" oleh Devore et al. Yang membingungkan saya adalah bahwa estimator tidak dapat membantu bergantung pada , karena sampel bergantung pada parameter.θθ\theta

10 estimation 

Saya memiliki latar belakang dalam pemrograman komputer dan teori bilangan dasar, tetapi tidak ada pelatihan statistik nyata, dan baru-baru ini "menemukan" bahwa dunia yang menakjubkan dari berbagai teknik sebenarnya adalah dunia statistik. Tampaknya faktorisasi matriks, penyelesaian matriks, tensor dimensi tinggi, embedding, estimasi kepadatan, inferensi Bayesian, partisi Markov, perhitungan eigenvektor, PageRank …

10 machine-learning  estimation 

Misalkan Anda memiliki log dari server web. Dalam log ini Anda memiliki tupel seperti ini: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Stempel waktu ini mewakili misalnya klik pengguna. Sekarang, user1akan mengunjungi situs beberapa kali (sesi) selama bulan itu, dan Anda akan memiliki ledakan klik dari …

10 distributions  estimation  mixture 

Saya memiliki GLMM formulir: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Ketika saya menggunakan drop1(model, test="Chi"), saya mendapatkan hasil yang berbeda daripada jika saya menggunakan Anova(model, type="III")dari paket mobil atau summary(model). Dua yang terakhir ini memberikan jawaban yang sama. Menggunakan banyak data yang …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Dengan hukum (lemah / kuat) dalam jumlah besar, diberikan beberapa titik sampel iid distribusi, rata-rata sampel mereka menyatu dengan mean distribusi baik dalam probabilitas maupun sebagai, sebagai ukuran sampel pergi hingga tak terbatas.{xi∈Rn,i=1,…,N}{xi∈Rn,i=1,…,N}\{x_i \in \mathbb{R}^n, i=1,\ldots,N\}f∗({xi,i=1,…,N}):=1N∑Ni=1xif∗({xi,i=1,…,N}):=1N∑i=1Nxif^*(\{x_i, i=1,\ldots,N\}):=\frac{1}{N} \sum_{i=1}^N x_i NNN Ketika ukuran sampel diperbaiki, saya ingin tahu apakah estimator LLN …

10 estimation  expected-value  law-of-large-numbers 

Kita tahu dari teori ukuran bahwa ada peristiwa yang tidak dapat diukur, yaitu mereka tidak bisa diukur. Apa yang kita sebut peristiwa dengan probabilitas bahwa ukuran probabilitas tidak didefinisikan? Apa jenis pernyataan yang akan kita buat tentang peristiwa semacam itu?

10 probability  estimation 

Diberikan sampel pertama dari distribusi gaussian dan penaksir-M, , properti apa di yang cukup untuk menjamin dalam probabilitas? Apakah menjadi cembung dan ketat meningkat cukup?X1,...,Xn∼N(μ,σ)X1,...,Xn∼N(μ,σ)X_1,...,X_n \sim N(\mu,\sigma) μm=argmina∑ρ(|Xi−a|)μm=argmina∑ρ(|Xi−a|)\mu_m = \underset{a}{\operatorname{argmin}} \sum\rho(|X_i-a|)ρρ\rhoμm→μμm→μ\mu_m \rightarrow \muρρ\rho

10 estimation 

Model eksponensial adalah model yang dijelaskan dengan persamaan berikut: yi^=β0⋅eβ1x1i+…+βkxkiyi^=β0⋅eβ1x1i+…+βkxki\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} Pendekatan yang paling umum digunakan untuk memperkirakan model tersebut adalah linierisasi, yang dapat dilakukan dengan mudah dengan menghitung logaritma dari kedua belah pihak. Apa pendekatan lainnya? Saya terutama tertarik pada mereka yang dapat menangani yi=0yi=0y_{i}=0 dalam beberapa pengamatan. Pembaruan …

10 estimation  nonlinear-regression 

Saya punya masalah dengan parameter estimasi untuk Zipf. Situasi saya adalah sebagai berikut: Saya memiliki kumpulan sampel (diukur dari percobaan yang menghasilkan panggilan yang harus mengikuti distribusi Zipf). Saya harus menunjukkan bahwa generator ini benar-benar menghasilkan panggilan dengan distribusi zipf. Saya sudah membaca T&J ini. Bagaimana cara menghitung koefisien hukum …

10 distributions  estimation  pareto-distribution  zipf 

Biarkan menjadi variabel acak iid yang memiliki pdfX1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) dimana . Berikan UMVUE dari dan hitung variansnyaθ>0θ>0\theta >01θ1θ\frac{1}{\theta} Saya telah belajar tentang dua metode seperti itu untuk memperoleh UMVUE: Batas Bawah Cramer-Rao (CRLB) Lehmann-Scheffe Thereom Saya akan mencoba ini menggunakan yang pertama …

10 self-study  estimation  inference  exponential-family  umvue 

Saya ingin menguji beberapa ide saya yang menurut saya lebih baik daripada apa pun yang saya lihat. Saya bisa saja salah tetapi saya ingin menguji ide-ide saya dan mengalahkan keraguan saya dengan pengamatan yang lebih pasti. Apa yang saya pikirkan untuk lakukan adalah sebagai berikut: Mendefinisikan secara analitik seperangkat distribusi. …

10 hypothesis-testing  estimation  pdf  kernel-smoothing  model-evaluation 

Misalkan menjadi sampel acak dari distribusi untuk . Yaitu,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ(x)=θ(1−θ)x−1I{1,2,...}(x)pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Temukan estimator yang tidak bias dengan varians minimum untukg(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} Usaha saya: Karena distribusi geometrik berasal dari keluarga eksponensial, statistik lengkap dan cukup untuk . Juga, jika adalah penduga untuk , itu tidak bias. Oleh karena itu, oleh …

10 probability  self-study  estimation  unbiased-estimator  exponential-family 

Saya punya beberapa data dan berusaha menyesuaikan kurva yang halus dengannya. Namun, saya tidak ingin menegakkan terlalu banyak kepercayaan sebelumnya atau pra-konsepsi yang terlalu kuat (kecuali yang tersirat oleh sisa pertanyaan saya) di atasnya, atau distribusi tertentu. Saya hanya ingin mencocokkannya dengan beberapa kurva yang halus (atau memiliki perkiraan yang …

10 estimation  nonparametric  references 

Kami memiliki sampel N, XiXiX_i , dari distribusi seragam mana tidak diketahui. Perkirakan dari data.[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Jadi, aturan Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} dan kemungkinannya adalah: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (edit: ketika untuk semua , dan 0 sebaliknya - terima kasih whuber)0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \thetaiii tetapi tanpa informasi …

10 bayesian  estimation  uniform  uninformative-prior