«marginal» etiketlenmiş sorular

Marjinal dağılım, bir ortak dağılımda yer alan değişkenlerin bir alt kümesinin olasılık dağılımını ifade eder.

2
Rasgele etkiler, sabit etkiler ve marjinal model arasındaki fark nedir?
İstatistik bilgilerimi genişletmeye çalışıyorum. OLS regresyon - Ben fiziksel testler geçmişinden istatistiksel teste “tarife dayalı” bir yaklaşımla geliyorum , sürekli olduğunu söylüyoruz , normal dağılmış - OLS regresyon . Okuduğumda şu terimlerle karşılaştım: rastgele etki modeli, sabit etki modeli, marjinal model. Benim sorularım: Çok basit bir ifadeyle, bunlar nedir? Aralarındaki …

5
Copulas'ta tanıtım okuması
Şimdilik bir süredir, seminerim için Copulas ile ilgili iyi bir tanıtım okudum. Teorik yönlerden bahseden pek çok materyal buluyorum, ki bu iyi, ancak bu konulara geçmeden önce konuyla ilgili iyi bir sezgisel anlayış inşa etmek istiyorum. Herhangi biri yeni başlayanlara iyi bir temel sağlayacak herhangi bir iyi makale önerebilir mi …

1
Bir lmer modeli için hangi çoklu karşılaştırma yöntemi kullanılır: lsmeans veya glht?
Bir veri setini bir sabit efekt (durum) ve iki rastgele efekt (katılımcı konu tasarımı ve çifti nedeniyle katılımcı) ile karışık efektler modeli kullanarak analiz ediyorum. Model ile oluşturulan lme4paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Sonra, bu modelin sabit etki (durum) olmadan modele karşı bir olasılık oranı testi yaptım ve önemli bir farkım var. Veri …

3
Sadece marjinal sayımlar göz önüne alındığında, ortak dağılımın maksimum olabilirlik tahmincisi
Let px , ypx,yp_{x,y} , iki Kategorik değişkenler ortak bir dağıtım olması X, YX,YX,Y ile, x,y∈ { 1 , …,K}x,y∈{1,...,K}x,y\in\{1,\ldots,K\} . Diyelim ki bu dağılımdan nnn örnek alındı, ama sadece için marjinal sayımlar verildi j=1,…,Kj=1,...,Kj=1,\ldots,K: Sj=∑i=1nδ(Xi=l),Tj=∑i=1nδ(Yi=j),Sj=Σben=1nδ(Xben=l),Tj=Σben=1nδ(Yben=j), S_j = \sum_{i=1}^{n}{\delta(X_i=l)}, T_j = \sum_{i=1}^{n}{\delta(Y_i=j)}, S j , T j için verilen için …

2
'Kısmi' ve 'marjinal' korelasyon isimlerinin arkasındaki sezgi
2 değişken arasındaki koşullu korelasyonun neden "kısmi" korelasyon ve aralarındaki basit korelasyon (yani, başka bir değişken üzerinde koşullandırılmadığında) "marjinal" korelasyon olarak adlandırıldığı hakkında bir fikri olan var mı? "Kısmi" ve "marjinal" kelimelerinin ardındaki sezgi nedir? "Parçalar" veya "kenar boşlukları" ile ne yaparlar? Bu kavramları daha iyi anlamak için cevabı öğrenmek …

1
Koşullu dağılım kullanarak marjinal dağılımdan örnekleme?
Bir tek değişkenli yoğunluktan numuneye istiyorum ama sadece ilişkiyi biliyorum:fXfXf_X fX( x ) = ∫fX| Y( x | y) fY( y) dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. MCMC (doğrudan integral gösterimi üzerinde) kullanımından kaçınmak istiyorum ve ve den örnek almak kolay olduğundan, aşağıdaki örnekleyiciyi kullanmayı düşünüyordum :fX| Y( x …


1
Bayes faktörünü güncelleme
Bayes faktörü Bayesian hipotez testinde ve Bayes modeli seçiminde iki marjinal olasılığa göre tanımlanmıştır: iid örneği verildi (x1,…,xn)(x1,…,xn)(x_1,\ldots,x_n) ve ilgili örnekleme yoğunlukları f1(x|θ)f1(x|θ)f_1(x|\theta) ve f2(x|η)f2(x|η)f_2(x|\eta), karşılık gelen önceliklerle π1π1\pi_1 ve π2π2\pi_2, iki modeli karşılaştırmak için Bayes faktörü B12(x1,…,xn)=defm1(x1,…,xn)m2(x1,…,xn)=def∫∏ni=1f1(xi|θ)π1(dθ)∫∏ni=1f2(xi|η)π2(dη)B12(x1,…,xn)=defm1(x1,…,xn)m2(x1,…,xn)=def∫∏i=1nf1(xi|θ)π1(dθ)∫∏i=1nf2(xi|η)π2(dη)\mathfrak{B}_{12}(x_1,\ldots,x_n)\stackrel{\text{def}}{=}\frac{m_1(x_1,\ldots,x_n)}{m_2(x_1,\ldots,x_n)}\stackrel{\text{def}}{=}\frac{\int \prod_{i=1}^n f_1(x_i|\theta)\pi_1(\text{d}\theta)}{\int \prod_{i=1}^n f_2(x_i|\eta)\pi_2(\text{d}\eta)}Şu anda incelediğim bir kitapta yukarıdaki Bayes faktörününB12(x1,…,xn)B12(x1,…,xn)\mathfrak{B}_{12}(x_1,\ldots,x_n)"bireysel faktörlerin …

2
Marjinal olasılık için sağlam MCMC tahmincisi?
Monte Carlo yöntemleriyle istatistiksel bir modelin marjinal olasılığını hesaplamaya çalışıyorum: f( x ) = ∫f( x ∣ θ ) π( θ )dθf(x)=∫f(x|θ)π(θ)dθf(x) = \int f(x\mid\theta) \pi(\theta)\, d\theta Olasılık iyi davranır - pürüzsüz, kütük içbükey - ancak yüksek boyutlu. Önemli örneklemeyi denedim, ancak sonuçlar sakat ve büyük oranda kullandığım teklife bağlı. …

1
Marjinal yoğunluklarını bulma
Başlığın dediği gibi, marjinal yoğunluklarını arıyorum f(x,y)=c1−x2−y2−−−−−−−−−√,x2+y2≤1.f(x,y)=c1−x2−y2,x2+y2≤1.f (x,y) = c \sqrt{1 - x^2 - y^2}, x^2 + y^2 \leq 1. Şimdiye kadar buldum ccc olmak 32π32π\frac{3}{2 \pi}. Ben dönüştürerek anladımf(x,y)f(x,y)f(x,y) kutupsal koordinatlara ve drdθdrdθdrd\thetabu yüzden marjinal yoğunluklar kısmında takılı kalıyorum. bunu biliyorumfx(x)=∫∞−∞f(x,y)dyfx(x)=∫−∞∞f(x,y)dyf_x(x) = \int_{-\infty}^\infty f(x,y)dy, ama büyük bir dağınık integral …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.