Pertanyaan yang diberi tag «variance»

Saya ingin sepenuhnya memahami gagasan menggambarkan jumlah variasi antar variabel. Setiap penjelasan web sedikit mekanis dan tumpul. Saya ingin "mendapatkan" konsepnya, bukan hanya menggunakan angka secara mekanis.r2r2r^2 Misalnya: Jam belajar vs skor tes rrr = .8 r2r2r^2 = .64 So, what does this mean? 64% of the variability of test …

21 regression  correlation  variance 

Menurut teks yang saya gunakan, rumus untuk varian dari sisa diberikan oleh:ithithi^{th} σ2(1−1n−(xi−x¯¯¯)2Sxx)σ2(1−1n−(xi−x¯)2Sxx)\sigma^2\left ( 1-\frac{1}{n}-\frac{(x_{i}-\overline{x})^2}{S_{xx}} \right ) Saya menemukan ini sulit untuk percaya karena residual adalah perbedaan antara nilai diamati dan nilai dipasang; jika seseorang menghitung varians dari perbedaan, paling tidak saya akan mengharapkan beberapa "plus" dalam ekspresi yang dihasilkan. …

21 regression  variance  residuals 

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 

Tolong, buktikan bahwa jika kita memiliki dua variabel (ukuran sampel yang sama) dan Y dan varians dalam X lebih besar dari pada Y , maka jumlah perbedaan kuadrat (yaitu, jarak Euclidean kuadrat) antara titik data dalam X juga lebih besar dari bahwa dalam Y .XXXYYYXXXYYYXXXYYY

20 variance  distance 

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 

Apakah ada kata yang berarti 'kebalikan dari varians'? Yaitu, jika memiliki varian tinggi, maka memiliki rendah ? Tidak tertarik dengan antonim dekat (seperti 'perjanjian' atau 'kesamaan') tetapi secara khusus berarti ?XXXXXX……\dots1/σ21/σ21/\sigma^2

19 bayesian  variance  terminology  precision 

Ini mungkin pertanyaan sederhana bagi banyak orang tetapi ini dia: Mengapa varians tidak didefinisikan sebagai perbedaan antara setiap nilai yang mengikuti satu sama lain, bukannya perbedaan dengan rata-rata nilai? Ini akan menjadi pilihan yang lebih logis bagi saya, saya kira saya jelas mengawasi beberapa kelemahan. Terima kasih EDIT: Biarkan saya …

19 variance 

Ini adalah perlakuan yang lebih umum dari masalah yang ditimbulkan oleh pertanyaan ini . Setelah menurunkan distribusi asimptotik dari varians sampel, kita dapat menerapkan metode Delta untuk sampai pada distribusi yang sesuai untuk deviasi standar. Biarkan sampel berukuran dari variabel acak tidak normal iid , dengan mean dan varians . …

19 mathematical-statistics  variance  central-limit-theorem  asymptotics 

Saya membaca catatan ini . Pada halaman 2, ini menyatakan: "Berapa banyak varian dalam data dijelaskan oleh model regresi yang diberikan?" "Interpretasi regresi adalah tentang rata-rata koefisien; kesimpulannya adalah tentang varians mereka." Saya telah membaca tentang pernyataan seperti itu berkali-kali, mengapa kita peduli tentang "seberapa banyak perbedaan dalam data dijelaskan …

19 regression  variance  interpretation 

Jika XXX adalah peringkat penuh, kebalikan dari XTXXTXX^TX ada dan kita mendapatkan kuadrat β^=(XTX)−1XYβ^=(XTX)−1XY\hat\beta = (X^TX)^{-1}XY dan Var(β^)=σ2(XTX)−1Var⁡(β^)=σ2(XTX)−1\operatorname{Var}(\hat\beta) = \sigma^2(X^TX)^{-1} Bagaimana kita menjelaskan secara intuitif (XTX)−1(XTX)−1(X^TX)^{-1} dalam rumus varian? Teknik derivasi jelas bagi saya.

18 regression  variance  least-squares 

Di situs psikometrik ini saya membacanya [A] ta varian tingkat dalam adalah konsep yang lebih mendasar daripada standar deviasi. Situs ini tidak benar-benar menjelaskan lebih jauh mengapa varians dimaksudkan untuk lebih mendasar daripada standar deviasi, tetapi itu mengingatkan saya bahwa saya telah membaca beberapa hal serupa di situs ini. Misalnya, …

18 variance  standard-deviation 

Pertimbangkan identitas dasar varian: Var(X)===E[(X−E[X])2]...E[X2]−(E[X])2Var(X)=E[(X−E[X])2]=...=E[X2]−(E[X])2 \begin{eqnarray} Var(X) &=& E[(X - E[X])^2]\\ &=& ...\\ &=& E[X^2] - (E[X])^2 \end{eqnarray} Ini adalah manipulasi aljabar sederhana dari definisi momen sentral menjadi momen non-sentral. Ini memungkinkan manipulasi yang mudah dari dalam konteks lain. Ini juga memungkinkan perhitungan varians melalui data single pass over daripada …

18 variance  descriptive-statistics  intuition 

Masalah ini telah muncul sebelumnya, tetapi saya ingin mengajukan pertanyaan spesifik yang akan berusaha mendapatkan jawaban yang akan mengklarifikasi (dan mengklasifikasikan): Dalam "Poor Man's Asymptotics", seseorang menyimpan perbedaan yang jelas di antara keduanya (A) urutan variabel acak yang konvergen dalam probabilitas ke konstan berbeda dengan (B) urutan variabel acak yang …

18 mathematical-statistics  variance  convergence  asymptotics  consistency 

Saya menderita pemadaman. Saya disajikan gambar berikut untuk menunjukkan tradeoff bias-varians dalam konteks regresi linier: Saya dapat melihat bahwa tidak satu pun dari kedua model yang cocok - "sederhana" tidak menghargai kompleksitas hubungan XY dan "kompleks" hanya overfitting, pada dasarnya mempelajari data pelatihan dengan hati. Namun saya benar-benar gagal melihat …

18 regression  variance  bias 

Saya tidak tahu apakah ini sudah ditanyakan sebelumnya, tetapi saya tidak menemukan apa-apa tentang itu. Pertanyaan saya adalah apakah ada yang bisa memberikan referensi yang baik untuk belajar bagaimana mendapatkan proporsi varian yang dijelaskan oleh masing-masing faktor tetap dan acak dalam model efek campuran.

18 mixed-model  variance