«marginal» etiketlenmiş sorular

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 …

49 random-effects-model  fixed-effects-model  marginal 

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 …

25 correlation  references  marginal  copula 

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 …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

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 …

12 categorical-data  maximum-likelihood  joint-distribution  marginal  maximum-entropy 

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 …

12 correlation  terminology  marginal  partial-correlation 

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 …

12 sampling  conditional-probability  monte-carlo  marginal 

Ders kitabımdaki sorunlardan biri şu şekildedir. İki boyutlu stokastik sürekli bir vektör aşağıdaki yoğunluk fonksiyonuna sahiptir: fX, Y( x , y) = { 15 x y200 <x <1 ve 0 <y <x iseaksi takdirdefX,Y(x,y)={15xy2if 0 < x < 1 and 0 < y < x0otherwise f_{X,Y}(x,y)= \begin{cases} 15xy^2 & \text{if …

10 self-study  random-variable  marginal  joint-distribution 

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 …

9 bayes  marginal  sequential-analysis  bayes-factors 

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. …

9 monte-carlo  likelihood  marginal 

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 …

9 self-study  marginal  multivariable