«bootstrap» etiketlenmiş sorular

Örneklemin dağılımının yaklaşık olarak nasıl hesaplanacağını okurken parametrik olmayan önyükleme yöntemiyle karşılaştım. Görünüşe göre nin dağılımı dağılımı ile yaklaşık olabilir , burada , önyükleme örneği. ˉ X ∗ n - ˉ X n ˉ X ∗ nX¯n−μX¯n−μ\bar{X}_n-\muX¯∗n−X¯nX¯n∗−X¯n\bar{X}_n^*-\bar{X}_nX¯∗nX¯n∗\bar{X}_n^* O zaman sorum şu: Merkezlemeye ihtiyacım var mı? Ne için? Değil sadece yaklaşık …

13 distributions  bootstrap  resampling  centering 

Bootstrapping ortalama tahmindeki belirsizliğe erişmek için iyi çalışır, ancak bootstrap'ın kantil tahminlerdeki (özellikle medyan) belirsizliği değerlendirmede iyi bir iş yapmadığını bir yerde okuduğumu hatırlıyorum. Bunu nerede okuduğumu hatırlamıyorum ve hızlı bir Google aramasıyla fazla bir şey bulamadım. Bu ve herhangi bir referans hakkındaki düşünceler çok takdir edilecektir.

13 references  bootstrap  median 

Her biri bağımsız değişken x ve bağımlı değişken y'nin veri çiftlerinin n gözlemini içeren iki veri setim olduğunu varsayalım . Ayrıca gözlemleri N kez yeniden yükleyerek ve y = a + bx regresyonunu hesaplayarak her veri kümesi için regresyon eğimlerinin bir dağılımını oluşturmak istediğimi varsayalım.her seferinde. Eğimlerin önemli ölçüde farklı …

13 regression  statistical-significance  bootstrap 

Sanırım önyüklemenin temellerinin nasıl çalıştığını anlıyorum , ancak model seçimi veya aşırı sığmayı önlemek için önyüklemeyi nasıl kullanabileceğimi bilmiyorum. Örneğin model seçimi için, önyükleme örnekleri arasında en düşük hatayı (belki de varyans?) Veren modeli seçer misiniz? Model seçimi veya doğrulaması için önyüklemenin nasıl kullanılacağını tartışan metinler var mı? DÜZENLEME: Bu …

13 model-selection  cross-validation  bootstrap 

Amos 18'de yapısal bir denklem modeli (SEM) kullanıyorum. Deneyim için (gevşek olarak kullanıldı) 100 katılımcı arıyordum ki bu muhtemelen başarılı SEM yürütmek için yeterli değildi. SEM'in (EFA, CFA ile birlikte) "büyük örnek" istatistiksel bir prosedür olduğu defalarca söylendi. Uzun lafın kısası, 100 katılımcıya ulaşmadım (ne sürpriz!) Ve iki sorunlu veri …

13 modeling  sample-size  bootstrap  sem 

Aynı çarpıklığa sahip popülasyonlardan geldikleri sıfır hipotezi için iki bağımsız örneği test etmek için hangi testler mevcuttur? Eğriltmenin sabit bir sayıya eşit olup olmadığı konusunda klasik bir 1-örnek testi vardır (test 6. örnek momentini içerir!); örneklemli bir test için basit bir çeviri var mı? Verilerin çok yüksek anlarını içermeyen teknikler …

13 hypothesis-testing  distributions  bootstrap  moments  l-moments 

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 

Welch'in t-testini kullanarak ortalamaların eşitliğini test ediyorum. Temeldeki dağılım normalden uzaktır ( buradaki ilgili tartışmadaki örnekten daha eğiktir ). Daha fazla veri elde edebilirim, ancak bunun ne ölçüde yapılacağını belirlemenin ilkeli bir yolunu istiyorum. Örneklem dağılımının kabul edilebilir olduğunu değerlendirmek için iyi bir buluşsal yöntem var mı? Normallikten hangi sapmalar …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

Soru: Bootstrapping jackknifing'ten üstündür ; Ancak, jackknifing'in parametre tahminlerindeki belirsizliği karakterize etmek için tek veya en azından uygulanabilir bir seçenek olup olmadığını merak ediyorum. Ayrıca, pratik durumlarda önyüklemeye göre önyargılı / yanlış jackknifleme vardır ve jackknife sonuçları daha karmaşık bir bootstrap geliştirilmeden önce ön fikir verebilir mi? Bazı bağlamlar: Bir …

12 machine-learning  cross-validation  bootstrap  maximum-entropy  jackknife 

Bootstrap CI'lerin (ve bartikülerdeki BCa) normal olarak dağıtılan verilerde nasıl performans gösterdiğini merak ediyordum. Çeşitli dağıtım türlerindeki performanslarını inceleyen çok fazla iş var gibi görünüyor, ancak normal olarak dağıtılan veriler üzerinde hiçbir şey bulamadı. İlk önce çalışmak bariz bir şey gibi göründüğünden, sanırım kağıtlar çok eski. R önyükleme paketini kullanarak …

12 confidence-interval  bootstrap  normality-assumption  resampling 

Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Ben iki ağır çarpık örnekleri var ve t-istatistik kullanarak araçlarını karşılaştırmak için bootstrapping kullanmaya çalışıyorum. Bunu yapmak için doğru prosedür nedir? Kullandığım süreç Bunun normal olarak dağıtılmadığını bildiğimde, son adımda orijinal / gözlemlenen verilerin standart hatasını kullanmanın uygunluğu konusunda endişeliyim. İşte adımlarım: Bootstrap - yedekli rastgele örnek (N = 1000) …

12 hypothesis-testing  t-test  bootstrap 

Ben çarpma impute (MI) verilerinden tahmini için p-değeri bootstrap istiyorum , ama bana p-değerleri MI kümeleri arasında nasıl birleştirileceği net değil.θθ\theta MI veri kümeleri için, tahminlerin toplam varyansına ulaşmak için standart yaklaşım Rubin'in kurallarını kullanır. MI veri kümelerinin havuzlanması için buraya bakınız . Toplam varyansın karekökü standart bir hata tahmini …

12 confidence-interval  variance  p-value  bootstrap  multiple-imputation 

Güvenilirlik testini içeren oldukça karmaşık bir karar analizi problemim var ve (bana göre) mantıksal yaklaşım, Bayes analizini desteklemek için MCMC kullanmayı içeriyor gibi görünüyor. Bununla birlikte, bir önyükleme yaklaşımı kullanmanın daha uygun olacağı önerilmiştir. Birisi herhangi bir tekniğin diğerine göre (belirli durumlar için bile) kullanımını destekleyebilecek bir referans (veya üç) …

12 bayesian  bootstrap 

Bootstrap, standart formunda, gözlemlerin geçerli olması koşuluyla tahmini istatistiklerin güven aralıklarını hesaplamak için kullanılabilir. I. Visser ve diğ. " Gizli Markov Model Parametreleri için Güven Aralıkları " nda, HMM parametreleri için CI'leri hesaplamak için bir parametrik önyükleme kullandı. Bununla birlikte, bir gözlem sekansına bir HMM taktığımızda, gözlemlerin zaten bağımlı olduğunu …

12 confidence-interval  bootstrap  hidden-markov-model