«estimation» etiketlenmiş sorular

Düşünün bağımsız örnekler rastgele değişken elde edilen (örneğin, bir kesik bir dağılımı gösterdiği kabul edilmektedir normal dağılım kesildi bilinen (sonlu) minimum ve maksimum değerler için) ve ancak bilinmeyen parametreler arasında ve . Eğer kesik olmayan bir dağılım , ve için ve en yüksek olabilirlik tahmin edicileri ortalamaNNNSSSXXXaaabbbμμ\muσ2σ2\sigma^2XXXμˆμ^\widehat\muσˆ2σ^2\widehat\sigma^2μμ\muσ2σ2\sigma^2SSSμˆ=1N∑iSiμ^=1N∑iSi\widehat\mu = \frac{1}{N} \sum_i …

28 distributions  estimation  mathematical-statistics  maximum-likelihood  truncation 

Anladığım kadarıyla çapraz doğrulama ve model seçimi ile iki şeyi ele almaya çalışıyoruz: P1 . Örneğimizle antrenman yaparken popülasyonda beklenen zararı tahmin et P2 . Bu tahmin konusundaki belirsizliğimizi ölçün ve rapor edin (varyans, güven aralıkları, önyargı vb.) Standart uygulama, tekrarlayan çapraz doğrulama yapmak gibi görünmektedir, çünkü bu tahmin edicimizin …

26 estimation  cross-validation  references 

Bir lognormal dağılımın örneklemesini ve örneklemesini ve anları anlarını iki yöntemle tahmin etmeye çalışan bazı sayısal deneyler yapıyorum :X∼LN(μ,σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma)E[Xn]E[Xn]\mathbb{E}[X^n] örnek ortalamasına bakmakXnXnX^n Tahmin ve için örnek bir yöntem kullanarak , ve daha sonra bir lognormal dağılım için, var olduğu gerçeğini kullanarak .μμ\muσ2σ2\sigma^2log(X),log2(X)log⁡(X),log2⁡(X)\log(X), \log^2(X)E[Xn]=exp(nμ+(nσ)2/2)E[Xn]=exp⁡(nμ+(nσ)2/2)\mathbb{E}[X^n]=\exp(n \mu + (n \sigma)^2/2) Soru şudur …

25 estimation  bias  lognormal  moments 

Bugün bana bir öğrenci, “Washington DC'deki Stewart / Colbert“ Sanity Restore için Miting ”gibi büyük bir grup etkinliğine kaç kişinin katıldığını nasıl biliyorlar? Haber bültenleri onbinlerce tahmin rapor ediyor, ancak bu tahminleri almak için hangi yöntemler kullanılıyor ve ne kadar güvenilirler? Görünüşe göre, bir makale park izinlerine dayanarak tahminlerini temel …

25 estimation  sampling 

Birkaç sorgu sıklığım var ve Zipf yasasının katsayısını tahmin etmem gerekiyor. Bunlar en üst frekanslar: 26486 12053 5052 3033 2536 2391 1444 1220 1152 1039

25 distributions  estimation  pareto-distribution  zipf 

Ortalama Kare Hata (MSE) ve Ortalama Kare Tahmin Hata (MSPE) arasındaki anlamsal fark nedir?

23 regression  estimation  interpretation  error  prediction 

Olarak istatistiksel çıkarımlar , sorun 9.6b, bir "yüksek yoğunluklu bölge (HDR)" bahsedilmektedir. Ancak bu terimin tanımını kitapta bulamadım. Benzer bir terim En Yüksek Arka Yoğunluktur (HPD). Ancak bu bağlamda uyuşmuyor, çünkü 9.6b önceki hakkında hiçbir şeyden bahsetmiyor. Ve önerilen çözümde sadece "açıkça bir HDR" yazıyor .c ( y))c(y)c(y) Yoksa HDR …

23 confidence-interval  estimation  definition  credible-interval  highest-density-region 

Student t dağılımının parametreleri için maksimum olabilirlik tahmin ediciler nelerdir? Kapalı formda varlar mı? Hızlı bir Google araması bana sonuç vermedi. Bugün tek değişkenli durumla ilgileniyorum, ancak muhtemelen modeli çoklu boyutlara genişletmek zorunda kalacağım. EDIT: Aslında çoğunlukla yer ve ölçek parametreleriyle ilgileniyorum. Şimdilik serbestlik derecesi parametresinin sabit olduğunu varsayabilir ve …

23 estimation  maximum-likelihood  t-distribution 

Göre 8ED Mühendisleri için Miller ve Freund Olasılık ve İstatistik (pp.217-218), olabilirlik fonksiyonu binom dağılımı (Bernoulli denemelerinin) için maksimize edilebilir olarak verilmiştir L ( p ) = ∏ni = 1pxben( 1 - p )1 - xbenL(p)=Πben=1npxben(1-p)1-xbenL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} Bu denkleme nasıl ulaşılır? Poisson ve Gaussian'ın diğer dağıtımları ile ilgili bana …

22 estimation  maximum-likelihood  bernoulli-distribution  point-estimation 

Tutarlılık açıkça doğal ve önemli bir özellik tahmincisidir, ancak tutarlı bir tahmin yerine tutarsız bir tahmin edici kullanmanın daha iyi olabileceği durumlar var mı? Daha özel olarak ise, bütün sonlu için makul bir tutarlı tahmincisi geride tutarsız tahmin edicinin orada örnekleridir (bazı uygun kayıp fonksiyonu ile ilgili olarak)?nnn

22 estimation  consistency 

Çevresel numunelerin kimyasal analizleri genellikle raporlama limitlerinde veya çeşitli tespit / ölçüm limitlerinde aşağıda sansürlenir. Sonuncusu, genellikle diğer değişkenlerin değerleriyle orantılı olarak değişebilir. Örneğin, yüksek konsantrasyonda bir bileşik içeren bir numunenin analiz için seyreltilmesi gerekebilir, bu durumda aynı numunede aynı anda analiz edilen tüm diğer bileşikler için sansür limitlerinin orantılı …

22 correlation  estimation  censoring  covariance-matrix  unbiased-estimator 

Tahminci ve tahmin arasındaki ilişki nedir?

21 estimation  terminology  estimators 

Temel bileşen analizi (PCA) yaptıktan sonra, PCA alanına yeni bir vektör yansıtmak istiyorum (yani PCA koordinat sistemindeki koordinatlarını bulmak). PCA'yı R dilinde kullanarak hesapladım prcomp. Şimdi vektörümü PCA dönme matrisi ile çarpabilmeliyim. Bu matristeki temel bileşenler satır veya sütunlar halinde mi düzenlenmelidir?

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 

Hassasiyet şu şekilde tanımlanır: p = true positives / (true positives + false positives) Gibi, bu doğru mu true positivesve false positiveshassas 1 yaklaşır yaklaşım 0? Hatırlama için aynı soru: r = true positives / (true positives + false negatives) Şu anda bu değerleri hesaplamam gereken bir istatistiksel test uyguluyorum …

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 

James-Stein tahmincisi hakkında okuyordum. Bu yer, tanımlanan notları gibi θ^=(1−p−2∥X∥2)Xθ^=(1−p−2‖X‖2)X \hat{\theta}=\left(1 - \frac{p-2}{\|X\|^2}\right)X Kanıtı okudum ama şu ifadeyi anlamıyorum: Geometrik olarak, James-Stein tahmincisi X'in her bir bileşenini XXXbaşlangıç ​​noktasına doğru daraltır ... " X'in her bileşenini XXXbaşlangıç ​​noktasına doğru daraltır " tam olarak ne anlama geliyor? Ben gibi şeyler düşünüyordum …

19 estimation  terminology  shrinkage  steins-phenomenon