Pertanyaan yang diberi tag «sampling»

Membuat sampel dari populasi yang ditentukan dengan baik menggunakan metode probabilistik dan / atau menghasilkan angka acak dari distribusi yang ditentukan. Karena tag ini ambigu, harap pertimbangkan [sampling survei] untuk yang pertama dan [monte-carlo] atau [simulasi] untuk yang kedua. Untuk pertanyaan tentang membuat sampel acak dari distribusi yang diketahui, harap pertimbangkan untuk menggunakan tag [generasi-acak].

2
Bagaimana memilih pelatihan, validasi silang, dan ukuran set uji untuk data ukuran sampel kecil?
Asumsikan saya memiliki ukuran sampel yang kecil, misalnya N = 100, dan dua kelas. Bagaimana saya harus memilih pelatihan, validasi silang, dan ukuran set tes untuk pembelajaran mesin? Saya akan memilih secara intuitif Pelatihan menetapkan ukuran 50 Validasi silang mengatur ukuran 25, dan Ukuran tes 25. Tapi mungkin ini lebih …
3
Bagaimana pembobotan data keanekaragaman Komunitas Survei Amerika akan mempengaruhi margin kesalahannya?
Latar belakang: Organisasi saya saat ini membandingkan statistik keanekaragaman tenaga kerjanya (mis.% Orang dengan disabilitas,% wanita,% veteran) dengan total ketersediaan tenaga kerja untuk kelompok-kelompok tersebut berdasarkan American Community Survey (proyek survei oleh US Census Bureau). Ini adalah tolok ukur yang tidak akurat, karena kami memiliki serangkaian pekerjaan yang sangat spesifik …
1
Mengapa Anova () dan drop1 () memberikan jawaban berbeda untuk GLMM?
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 
3
Menggunakan MCMC untuk mengevaluasi nilai yang diharapkan dari fungsi dimensi tinggi
Saya sedang mengerjakan proyek penelitian yang terkait dengan optimasi dan baru-baru ini punya ide untuk menggunakan MCMC dalam pengaturan ini. Sayangnya, saya cukup baru untuk metode MCMC jadi saya punya beberapa pertanyaan. Saya akan mulai dengan menjelaskan masalahnya dan kemudian mengajukan pertanyaan saya. Masalah kita bermuara memperkirakan nilai yang diharapkan …
2
Bagaimana sampel dari distribusi diskrit pada bilangan bulat non-negatif?
Saya memiliki distribusi diskrit berikut, di mana konstanta dikenal:α , βα,β\alpha,\beta p ( x ; α , β) = Beta ( α + 1 , β+ x )Beta ( α , β)untuk x = 0 , 1 , 2 , ...p(x;α,β)=Beta(α+1,β+x)Beta(α,β)for x=0,1,2,… p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)} \;\;\;\;\text{for } x = …
3
Pengacakan sampel non-acak
Saya selalu sedikit terkejut melihat iklan psikologis untuk berpartisipasi dalam studi eksperimental. Yang pasti, orang yang merespons iklan ini tidak diambil secara acak dan karenanya merupakan populasi yang dipilih sendiri. Karena diketahui bahwa pengacakan menyelesaikan masalah pemilihan sendiri, saya bertanya-tanya apakah pengacakan sampel non-acak benar-benar mengubah apa pun. Bagaimana menurut …
1
Referensi untuk cerita tentang pengambilan sampel dari buku telepon
Saya berbicara dengan seseorang hari ini tentang pengambilan sampel dan samar-samar ingat cerita tentang beberapa ahli statistik yang sangat dihormati merekomendasikan pengambilan sampel sistematis dari buku telepon dalam kasus hukum tertentu. Saya ingat cerita tentang sesuatu seperti hakim di pengadilan mengatakan sesuatu kepadanya seperti, "Saya tidak tahu banyak tentang statistik, …
4
Varians resistor secara paralel
Misalkan Anda memiliki satu set resistor R, yang semuanya didistribusikan dengan mean μ dan varians σ. Pertimbangkan bagian sirkuit dengan tata letak berikut: (r) || (r + r) || (r + r + r). Resistansi yang setara dari setiap bagian adalah r, 2r, dan 3r. Varians setiap bagian akan menjadi …
1
Nilai variabel tersembunyi regresi linear R "bernilai"
Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan menjadi seperti: …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
1
metode pengambilan sampel sederhana untuk Penaksir Kerapatan Kernel
Saya telah mengembangkan Pengukur Kepadatan Kernel sederhana di Jawa, berdasarkan beberapa lusin poin (mungkin hingga seratus atau lebih) dan fungsi kernel Gaussian. Implementasinya memberi saya PDF dan CDF dari distribusi probabilitas saya pada titik mana pun. Sekarang saya ingin menerapkan metode pengambilan sampel sederhana untuk KDE ini. Pilihan yang jelas …
10 sampling  pdf  kde 
1
Model pembelajaran dalam mana yang dapat mengklasifikasikan kategori yang tidak eksklusif satu sama lain
Contoh: Saya memiliki kalimat dalam deskripsi pekerjaan: "Java senior engineer in UK". Saya ingin menggunakan model pembelajaran yang mendalam untuk memperkirakannya sebagai 2 kategori: English dan IT jobs. Jika saya menggunakan model klasifikasi tradisional, hanya dapat memprediksi 1 label dengan softmaxfungsi di lapisan terakhir. Dengan demikian, saya dapat menggunakan 2 …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Peluang sampel bootstrap persis sama dengan sampel asli
Hanya ingin memeriksa beberapa alasan. Jika sampel asli saya berukuran dan saya bootstrap, maka proses pemikiran saya adalah sebagai berikut:nnn 1n1n\frac{1}{n} adalah peluang pengamatan apa pun yang diambil dari sampel asli. Untuk memastikan pengundian berikutnya bukan observasi sampel sebelumnya, kami membatasi ukuran sampel ke . Jadi, kita mendapatkan pola ini:n …
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.