Pertanyaan yang diberi tag «estimators»

Aturan untuk menghitung estimasi jumlah yang diberikan berdasarkan data yang diamati [Wikipedia].



1
Regresi kuantitatif: Kesalahan standar apa?
The summary.rqfungsi dari sketsa quantreg menyediakan banyak pilihan untuk perkiraan standard error dari koefisien regresi kuantil. Apa skenario khusus di mana masing-masing menjadi optimal / diinginkan? "peringkat" yang menghasilkan interval kepercayaan untuk parameter yang diestimasi dengan membalikkan tes peringkat seperti yang dijelaskan dalam Koenker (1994). Opsi default mengasumsikan bahwa kesalahan …


9
Apa perbedaan antara estimator dan statistik?
Saya belajar bahwa statistik adalah atribut yang dapat Anda peroleh dari sampel. Mengambil banyak sampel dengan ukuran yang sama, menghitung atribut ini untuk semuanya dan memplot pdf, kami mendapatkan distribusi atribut yang sesuai atau distribusi statistik yang sesuai. Saya juga mendengar bahwa statistik dibuat menjadi penduga, bagaimana perbedaan kedua konsep …

3
R: Random Forest melemparkan NaN / Inf dalam kesalahan "panggilan fungsi asing" meskipun tidak ada dataset NaN [ditutup]
Tutup. Pertanyaan ini di luar topik . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Perbarui pertanyaan sehingga sesuai topik untuk Cross Validated. Ditutup 2 tahun yang lalu . Saya menggunakan tanda sisipan untuk menjalankan hutan acak lintas divalidasi atas dataset. Variabel Y adalah faktor. Tidak ada NaN, Inf, …

2
Korelasi antara estimator OLS untuk intersep dan kemiringan
Dalam model regresi sederhana, y=β0+β1x+ε,y=β0+β1x+ε, y = \beta_0 + \beta_1 x + \varepsilon, estimator OLS dan berkorelasi.ββ^O L S0β^0OLS\hat{\beta}_0^{OLS}β^O L S1β^1OLS\hat{\beta}_1^{OLS} Rumus untuk korelasi antara kedua penaksir adalah (jika saya mendapatkannya dengan benar): Kor( β^O L S0, β^O L S1) = - Âni = 1xsayan--√∑ni = 1x2saya-------√.Corr⁡(β^0OLS,β^1OLS)=−∑i=1nxin∑i=1nxi2. \operatorname{Corr}(\hat{\beta}_0^{OLS},\hat{\beta}_1^{OLS}) = \frac{-\sum_{i=1}^{n}x_i}{\sqrt{n} …

2
Shrunken
Ada beberapa kebingungan di kepala saya tentang dua jenis penduga nilai populasi dari koefisien korelasi Pearson. A. Fisher (1915) menunjukkan bahwa untuk populasi normal bivariat, empiris rrr adalah penaksir bias negatif dari ρρ\rho , meskipun bias bisa dibilang cukup besar hanya untuk ukuran sampel kecil ( n&lt;30n&lt;30n<30 ). Sampel rrr …


1
Dataset Anscombe-like dengan plot kotak dan kumis yang sama (mean / std / median / MAD / min / max)
EDIT: Karena pertanyaan ini telah meningkat, ringkasan: menemukan set data yang bermakna dan dapat ditafsirkan berbeda dengan statistik campuran yang sama (rata-rata, median, midrange dan dispersinya yang terkait, dan regresi). Kuartet Anscombe (lihat Tujuan memvisualisasikan data dimensi tinggi? ) Adalah contoh terkenal dari empat dataset - , dengan rata-rata marginal …




1
Kapan kemungkinan maksimum dan metode momen menghasilkan penduga yang sama?
Saya ditanya pertanyaan ini tempo hari dan tidak pernah mempertimbangkannya sebelumnya. Intuisi saya berasal dari kelebihan masing-masing estimator. Kemungkinan maksimum lebih disukai ketika kami yakin dalam proses menghasilkan data karena, tidak seperti metode momen, itu memanfaatkan pengetahuan dari seluruh distribusi. Karena penduga Kementerian Perindustrian hanya menggunakan informasi yang terdapat pada …

1
Apa intuisi di balik sampel yang dapat ditukar di bawah hipotesis nol?
Tes permutasi (juga disebut tes pengacakan, uji pengacakan ulang, atau tes yang tepat) sangat berguna dan berguna ketika asumsi distribusi normal yang diperlukan misalnya, t-testtidak terpenuhi dan ketika transformasi nilai dengan peringkat dari tes non-parametrik seperti Mann-Whitney-U-testakan menyebabkan lebih banyak informasi hilang. Namun, satu dan hanya satu asumsi yang tidak …
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 

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.