«bias» etiketlenmiş sorular

Psikoloji ve diğer alanlarda genellikle aşağıdakileri içeren bir tür kademeli regresyon kullanılır: Kalan yordayıcılara bakın (ilk başta modelde hiçbiri yoktur) ve en büyük r-kare değişikliğine neden olan yordayıcıyı tanımlayın; R-kare değişikliğinin p-değeri alfadan (tipik olarak .05) düşükse, o zaman kestiriciyi ekleyin ve 1. adıma geri dönün, aksi takdirde durun. Örneğin, …

14 regression  model-selection  bias  r-squared  stepwise-regression 

Ben çoklu doğrusal regresyon tarafsız bir tahmin elde ilgileniyorum .R,2R2R^2 Yansıtma üzerine, tarafsız bir tahminin eşleşmeye çalıştığı iki farklı değer düşünebilirim .R,2R2R^2 Örnek : örnektenR,2R2R^2β elde edilen regresyon denkleminin (yani ) numunenin dışında sonsuz miktarda veriye, ancak aynı verilerden uygulanması durumunda elde edilecek r-karesi üretim süreci.β^β^\hat{\beta} Nüfus :R,2R2R^2 β Sonsuz …

14 estimation  multiple-regression  r-squared  bias 

Tutarlı ve asimptotik olarak tarafsız terim arasındaki fark ve pratik fark için sezgisel bir anlayış ve his vermeye çalışıyorum. Matematiksel / istatistiksel tanımlarını biliyorum, ama sezgisel bir şey arıyorum. Bana göre, bireysel tanımlarına bakarak, neredeyse aynı şey gibi görünüyorlar. Farkın ince olması gerektiğinin farkındayım ama görmüyorum. Farklılıkları görselleştirmeye çalışıyorum ama …

14 bias  convergence  unbiased-estimator  asymptotics  intuition 

Bir grup sanatçıya anket gönderdim. Sorulardan biri, sanatsal faaliyet, devlet desteği, bireysel emeklilik, sanatla ilgili olmayan faaliyetlerden elde edilen gelir yüzdesini göstermekti. Bireylerin yaklaşık% 65'i, yüzde toplamı 100 olacak şekilde cevap vermiştir. Diğerleri: örneğin, gelirlerinin% 70'inin sanatsal faaliyetlerinden ve% 60'ının gelir hükümetinden kaynaklandığını cevaplayanlar vardır. , ve bunun gibi. Sorum …

13 survey  bias 

Bir regresyon yyy ile ilgili xxx hem de etkileyen değişkenler var çıkarılırsa nedensel olması gerekli değildir xxx ve yyy . Ancak atlanan değişkenler ve ölçüm hatası için değilse, bir regresyon nedensel mi? Yani, olası her değişken regresyona dahil edilirse?

13 regression  bias  causality 

Yani, log-normal dağıtılmış rasgele değişkenler üreten rastgele bir süreç var . Karşılık gelen olasılık yoğunluk fonksiyonu:XXX O orijinal dağılımın birkaç anının dağılımını tahmin etmek istedim , diyelim ki 1. an: aritmetik ortalama. Bunu yapmak için 10000 aritmetik ortalama 10000 tahminini yapabilmem için 10000 rasgele değişken 10000 kez çizdim. Bu anlamı …

13 estimation  bias  fitting  lognormal  moments 

Bishop'un Örüntü Tanıma ve Makine Öğreniminin 3.2. Bölümünde , bir kare kaybı fonksiyonu için beklenen kaybın kare şeklinde bir önyargı terimine ayrılabileceğini belirten sapma-varyans ayrışmasını tartışır (bu, ortalama tahminlerin doğrudan ne kadar uzak olduğunu açıklar) model), bir varyans terimi (tahminlerin ortalamanın etrafına yayılmasını tanımlar) ve bir gürültü terimi (verilerin gerçek …

13 self-study  variance  bias  regularization  loss-functions 

In Atmosferik Bilimlerde İstatistiksel Yöntemler öngörüleri arasında çok güçlü intercorrelations (3. Baskı, sayfa 559-560) varsa, Daniel Wilks notları çoklu lineer regresyon problemlerine yol açabilir: Çoklu doğrusal regresyonda ortaya çıkabilecek bir patoloji, güçlü karşılıklı korelasyonlara sahip bir dizi öngörücü değişkenin, kararsız bir regresyon ilişkisinin hesaplanmasına neden olabilmesidir. (...) Daha sonra temel …

13 regression  pca  bias 

Kök Ortalama Kare Hatası (RMSE) ve Ortalama Sapma Sapması (MBD) hakkında kavramsal bir anlayış kazanmak istiyorum. Bu ölçümleri kendi veri karşılaştırmalarım için hesapladıktan sonra, RMSE'nin yüksek (örneğin 100 kg), MBD'nin düşük (örneğin,% 1'den az) olduğunu bulmak için sık sık şaşırdım. Daha spesifik olarak, bu önlemlerin matematiğini listeleyen ve tartışan bir …

13 standard-deviation  bias 

Örnekleme sürecini öğrenirken, aşağıdaki iki ifadeyi karşılarım: 1) Örnekleme hatası çoğunlukla değişkenliğe neden olur, örneklemesiz hatalar yanlılığa neden olur. 2) Örnekleme hatası nedeniyle, bir numune genellikle bir CENSUS'tan daha doğrudur. Bu iki ifadeyi nasıl anlayacağımı bilmiyorum. Bu iki ifadeyi almanın altında yatan mantık nedir?

13 estimation  sampling  survey  bias 

Şirketimde A / B testlerinin sonuçlarını (web sitesi varyasyonlarında çalıştırılır) sunmaktan sorumluyum. Testi bir ay boyunca yürütüyoruz ve daha sonra, anlamlılığa ulaşana kadar (veya testi uzun süre çalıştırdıktan sonra önem kazanılmazsa vazgeçene kadar) p değerlerini düzenli aralıklarla kontrol ediyoruz, şimdi öğrendiğim bir şey yanlış bir uygulamadır . Bu uygulamayı şimdi …

13 hypothesis-testing  statistical-significance  bias  ab-test  optimal-stopping 

Bu, Bootstrap'e benzer : tahmin, güven aralığının dışında Bir popülasyondaki genotiplerin sayısını temsil eden bazı verilerim var. Shannon dizinini kullanarak genetik çeşitliliği tahmin etmek ve ayrıca bootstrapping kullanarak bir güven aralığı oluşturmak istiyorum. Bununla birlikte, önyükleme yoluyla tahminin son derece önyargılı olduğunu ve gözlemlediğim istatistik dışında kalan bir güven aralığıyla …

13 r  confidence-interval  bootstrap  bias  diversity 

Bu öğrenme eğrisini oluşturdum ve SVM modelimin önyargı veya varyanstan muzdarip olup olmadığını bilmek istiyorum? Bunu bu grafikten nasıl çıkarabilirim?

12 machine-learning  svm  bias  train 

Kapalı . Bu sorunun ayrıntılara veya açıklığa ihtiyacı var . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Bu yayını düzenleyerek ayrıntıları ekleyin ve sorunu giderin . 4 yıl önce kapalı . İlk olarak doğrusal bir regresyon çizgisi oluşturdukları, önyargıları düzelttikleri ve daha sonra sadece bu verileri modelleri …

12 bias  bias-correction 

I son sorulan bir soru : Numune ortalama ve varyans ilgili temel denklem arkasında bir matematiksel yorumu / sezgi arayan , geometrik ya da başka şekilde.E[X2]=Var(X)+(E[X])2E[X2]=Var(X)+(E[X])2 E[X^2] = Var(X) +(E[X])^2 Ama şimdi yüzeysel olarak benzer yanlılık-varyans tradeoff denklemini merak ediyorum. MSE(θ^)=E[(θ^−θ)2]==E[(θ^−E[θ^])2]+(E[θ^]−θ)2Var(θ^)+Bias(θ^,θ)2MSE(θ^)=E[(θ^−θ)2]=E[(θ^−E[θ^])2]+(E[θ^]−θ)2=Var(θ^)+Bias(θ^,θ)2 \begin{eqnarray} \text{MSE}(\hat{\theta}) = E [(\hat{\theta}-\theta)^2 ] &=& E[(\hat{\theta} - …

12 variance  bias