Pertanyaan yang diberi tag «mean»

Asumsikan skalar variabel acak milik keluarga eksponensial vektor-parameter dengan pdfXXX fX(x|θ)=h(x)exp(∑i=1sηi(θ)Ti(x)−A(θ))fX(x|θ)=h(x)exp⁡(∑i=1sηi(θ)Ti(x)−A(θ)) f_X(x|\boldsymbol \theta) = h(x) \exp\left(\sum_{i=1}^s \eta_i({\boldsymbol \theta}) T_i(x) - A({\boldsymbol \theta}) \right) di mana θ=(θ1,θ2,⋯,θs)Tθ=(θ1,θ2,⋯,θs)T{\boldsymbol \theta} = \left(\theta_1, \theta_2, \cdots, \theta_s \right )^T adalah vektor parameter dan T(x)=(T1(x),T2(x),⋯,Ts(x))TT(x)=(T1(x),T2(x),⋯,Ts(x))T\mathbf{T}(x)= \left(T_1(x), T_2(x), \cdots,T_s(x) \right)^T adalah statistik gabungan yang memadai. Dapat ditunjukkan …

11 variance  mean  exponential-family  sufficient-statistics 

Saya memiliki kumpulan data yang berisi jumlah tindakan yang dilakukan oleh individu selama 7 hari. Tindakan spesifik seharusnya tidak relevan untuk pertanyaan ini. Berikut adalah beberapa statistik deskriptif untuk kumpulan data: JarakBerartiPerbedaanJumlah pengamatan0 - 77218.22791696Range0−772Mean18.2Variance2791Number of observations696 \begin{array}{|c|c|} \hline \text{Range} & 0 - 772 \\ \hline \text{Mean} & 18.2 \\ …

11 r  distributions  poisson-distribution  mean  sample 

Saya sedang mengerjakan data yang sangat miring, jadi saya menggunakan median alih-alih mean untuk meringkas kecenderungan sentral. Saya ingin memiliki ukuran dispersi. Sementara saya sering melihat orang-orang melaporkan mean standar deviasi±±\pm± ± atau median kuartil±±\pm untuk merangkum kecenderungan sentral, apakah boleh melaporkan median median dispersi absolut (MAD)±±\pm ? Apakah ada …

11 mean  skewness  median  reporting  mad 

The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan ti(x1) + ti(x2) + ti(x1, x2)mungkin menghasilkan (sedikit) hasil yang …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Diberikan variabel acak , apa maksud dan varians dari ?Y= Ex p ( λ )Y=Exp(λ)Y = Exp(\lambda)G = 1YG=1YG=\dfrac{1}{Y} Saya melihat Inverse Gamma Distribution, tetapi rerata dan varians masing-masing hanya didefinisikan untuk dan ...α > 1α>1\alpha>1α > 2α>2\alpha>2

11 variance  mean  exponential 

Bagaimana cara harmonik menangani nilai nol? apa arti harmonik dari {3, 4, 5, 0} sejak ?1 / 0 = ∞1/0=∞1/0=\infty

11 mean  average  harmonic-mean 

Ketika mempelajari dua sampel independen berarti, kita diberitahu bahwa kita sedang melihat "perbedaan dua rata-rata". Ini berarti kami mengambil rata-rata dari populasi 1 ( ) dan mengurangi rata-rata dari populasi 2 ( ). Jadi, "perbedaan dua cara" kami adalah ( - ). ˉ y 2 ˉ y 1 ˉ y …

11 paired-comparisons  paired-data  mean 

Jika saya telah menghitung rata-rata untuk 4 set data (yang memang memiliki ukuran sampel berbeda), dapatkah saya memperoleh "rata-rata keseluruhan" dengan menghitung "rata-rata rata-rata"? Jika ya, apakah "rata-rata rata-rata" ini sama dengan jika saya telah menggabungkan data dari keempat set dan kemudian menghitung rata-rata?

11 mathematical-statistics  weighted-mean  mean 

Penyederhanaan yang sering dilakukan dalam pemodelan dan simulasi adalah mengganti variabel acak dengan nilai rata-rata. Kapan penyederhanaan ini mengarah pada kesimpulan yang salah?

10 modeling  mean  random-variable 

Bagaimana Anda akan menjelaskan konsep mean, median, dan mode daftar angka dan mengapa mereka penting bagi seseorang dengan hanya keterampilan aritmatika dasar? Jangan menyebutkan kemiringan, CLT, kecenderungan sentral, sifat statistiknya, dll. Saya telah menjelaskan kepada seseorang bahwa maksudnya hanyalah cara cepat dan kotor untuk "meringkas" daftar angka. Tapi melihat ke …

10 mean  descriptive-statistics  median  mode 

Saya menemukan derivasi ini yang saya tidak mengerti: Jika adalah sampel acak ukuran n yang diambil dari populasi mean dan varians , makaX1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nμμ\muσ2σ2\sigma^2 X¯=(X1+X2+...+Xn)/nX¯=(X1+X2+...+Xn)/n\bar{X} = (X_1 + X_2 + ... + X_n)/n E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(\bar{X}) = E(X_1 + X_2 + ... + X_n)/n = (1/n)(E(X_1) + E(X_2) + ... …

10 random-variable  expected-value  mean  iid 

Saya minta maaf atas sedikit penyalahgunaan terminologi; Saya harap akan menjadi jelas apa yang saya maksud di bawah ini. Pertimbangkan variabel acak . Baik mean dan median dapat dikarakteristikkan dengan kriteria optimalitas: Mean adalah angka μ yang meminimalkan , dan median angka yang meminimalkan . Dalam perspektif ini, perbedaan antara …

10 mean  median 

Saat terjebak dalam hal ini, saya tahu saya mungkin harus menggunakan deviasi rata-rata dari distribusi binomial tapi saya tidak bisa mengetahuinya.

10 self-study  binomial  mean  expected-value  proof 

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 

Asumsikan kita memiliki akses ke sampel iid dari distribusi dengan mean dan varians benar (tidak diketahui) μ , σ2μ,σ2\mu, \sigma^2 , dan kami ingin memperkirakan .μ2μ2\mu^2 Bagaimana kita bisa membuat penduga yang tidak bias dan selalu positif dari jumlah ini? Mengambil kuadrat dari mean sampel bias dan akan melebih-lebihkan kuantitas, …

10 mean  unbiased-estimator