«simulation» etiketlenmiş sorular

Bir veri kümesi üzerinde çalışıyorum. Bazı model tanımlama tekniklerini kullandıktan sonra bir ARIMA (0,2,1) modeliyle çıktım. Orijinal veri setimin 48. gözleminde yenilikçi bir aykırı değer (IO) tespit etmek için R'deki detectIOpaketteki işlevi kullandım .TSA Öngörme amacıyla kullanabilmem için bu aykırı değeri modelime nasıl dahil edebilirim? ARIMAX modelini kullanmak istemiyorum çünkü …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Ben istatistikçi değilim. Yani, lütfen varsa benim blunders ile ayı. Simülasyonun nasıl yapıldığını basit bir şekilde açıklar mısınız? Normal dağılımdan rastgele bir örnek aldığını ve simülasyon için kullandığını biliyorum. Ancak, açıkça anlama.

10 simulation 

Aşağıdaki simülasyon sorun geldi: verilen bir dizi bilinen gerçek sayılar, bir dağıtım ile tanımlanır burada , pozitif kısmını belirtir . Bu dağılımı hedefleyen bir Metropolis-Hastings örnekleyicisini düşünürken, algoritmanın sırasını den ya düşürmek için çok sayıda sıfır olasılıktan yararlanarak verimli bir doğrudan örnekleyici olup olmadığını merak ediyorum. .{ω1,…,ωd}{ω1,…,ωd}\{\omega_1,\ldots,\omega_d\}{−1,1}d{−1,1}d\{-1,1\}^dP(X=(x1,…,xd))∝(x1ω1+…+xdωd)+P(X=(x1,…,xd))∝(x1ω1+…+xdωd)+\mathbb{P}(X=(x_1,\ldots,x_d))\propto (x_1\omega_1+\ldots+x_d\omega_d)_+(z)+(z)+(z)_+zzzO(2d)O(2d)O(2^d)O(d)O(d)O(d)

9 simulation  algorithms  random-generation  computational-statistics  metropolis-hastings 

R'deki Önemsel örnekleme yöntemi ile integrali değerlendirin sorusunu cevaplamaya çalışıyordum . Temel olarak, kullanıcının hesaplaması gerekir ∫π0f(x)dx=∫π01cos(x)2+x2dx∫0πf(x)dx=∫0π1marul⁡(x)2+x2dx\int_{0}^{\pi}f(x)dx=\int_{0}^{\pi}\frac{1}{\cos(x)^2+x^2}dx üstel dağılımın önem dağılımı olarak kullanılması q(x)=λ exp−λxq(x)=λ tecrübe-λxq(x)=\lambda\ \exp^{-\lambda x} ve integrale daha iyi yaklaşımı veren değerini bulun . Ben ortalama değeri değerlendirilmesi olarak sorun yeniden düzenleme ve boyunca yekpare sonra sadece …

9 r  simulation  exponential  importance-sampling 

Sahip olduğum ampirik verilerle eşleşen bir veri kümesini simüle etmeye çalışıyorum, ancak orijinal verilerdeki hataları nasıl tahmin edeceğimden emin değilim. Ampirik veriler heterossedastisite içerir, ancak onu dönüştürmekle değil, ampirik verilerin simülasyonlarını yeniden üretmek için hata terimiyle doğrusal bir model kullanmakla ilgileniyorum. Örneğin, bazı ampirik veri kümem ve bir modelim olduğunu …

9 r  simulation  heteroscedasticity  gamlss  dglm 

Bazı beklentileri hesaplamak istediğimizi varsayalım: EYEX|Y[f(X,Y)]EYEX|Y[f(X,Y)]E_YE_{X|Y}[f(X,Y)] Monte Carlo simülasyonunu kullanarak buna yaklaşmak istediğimizi varsayalım. EYEX|Y[f(X,Y)]≈1RS∑r=1R∑s=1Sf(xr,s,yr)EYEX|Y[f(X,Y)]≈1RS∑r=1R∑s=1Sf(xr,s,yr)E_YE_{X|Y}[f(X,Y)] \approx \frac1{RS}\sum_{r=1}^R\sum_{s=1}^Sf(x^{r,s},y^r) AMA, her iki dağıtımdan da numune almanın pahalı olduğunu varsayalım, böylece yalnızca sabit bir sayı çizebiliriz KKK. Nasıl tahsis etmeliyiz KKK? Örnekler:K/ 2K/2K/2 her bir dağıtıma veya en uçta dışa bir beraberlik çeker …

9 optimization  conditional-probability  simulation  expected-value  monte-carlo 

Birisi bana nasıl benzetileceğini söyleyebilir mi Bernoulli(ab)Bernoulli(ab)\mathrm{Bernoulli}\left({a\over b}\right), nerede a,b∈Na,b∈Na,b\in \mathbb{N}, bir bozuk para kullanarak (istediğiniz kadar) P(H)=pP(H)=pP(H)=p ? Reddetme örneklemesi kullanmayı düşünüyordum ama çivilemedim.

9 probability  simulation  bernoulli-distribution  rejection-sampling 

Seviye 1'de (bireysel seviye) bir açıklama değişkeni ve seviye 2'de (grup seviyesi) bir açıklama değişkeni olan aşağıdaki çok seviyeli lojistik modeli: logit (pben j) =π0 j+π1 jxben j… ( 1 )lojit(pbenj)=π0j+π1jxbenj...(1)\text{logit}(p_{ij})=\pi_{0j}+\pi_{1j}x_{ij}\ldots (1) π0 j=γ00+γ01zj+u0 j... ( 2 )π0j=γ00+γ01zj+u0j...(2)\pi_{0j}=\gamma_{00}+\gamma_{01}z_j+u_{0j}\ldots (2) π1 j=γ10+γ11zj+u1 j… ( 3 )π1j=γ10+γ11zj+u1j...(3)\pi_{1j}=\gamma_{10}+\gamma_{11}z_j+u_{1j}\ldots (3) burada, ve grup düzeyinde …

9 r  logistic  generalized-linear-model  simulation  multilevel-analysis 

Bağlam dışı kısa versiyon , CDF ile rastgele bir değişken olsunyyyF(⋅)≡{θθ+(1−θ)×CDFlog-normal(⋅;μ,σ) y = 0 y > 0F(⋅)≡{θ y = 0 θ+(1−θ)×CDFlog-normal(⋅;μ,σ) y > 0 F(\cdot) \equiv \cases{\theta & y = 0 \\ \theta + (1-\theta) \times \text{CDF}_{\text{log-normal}}(\cdot; \mu, \sigma) & y > 0} Diyelim ki ters CDF yöntemini kullanarak çizimlerini …

9 r  distributions  sampling  simulation  copula 

Diğer mesajlardan, bir kement modeline giren yordayıcı değişkenlere 'önem' veya 'önem' atfedemediğim için aldım çünkü bu değişkenlerin p-değerlerini veya standart sapmalarını hesaplamak hala devam eden bir çalışmadır. Bu nedenle, kement modelinden HARİÇ EDİLEN değişkenlerin 'ilgisiz' veya 'önemsiz' olduğunu söyleyemeyeceğini söylemek doğru mu? Öyleyse, hariç tutulan veya bir kement modeline dahil …

9 statistical-significance  bootstrap  simulation  lasso  regression-strategies 

Asimptotik sonuçlar bilgisayar simülasyonu ile kanıtlanamaz çünkü sonsuzluk kavramını içeren ifadelerdir. Ancak, şeylerin teorinin bize söylediği şekilde yürüdüğünü anlayabilmeliyiz. Teorik sonucu düşünün limn → ∞P( |Xn| >ϵ)=0,ε > 0limn→∞P(|Xn|>ε)=0,ε>0\lim_{n\rightarrow\infty}P(|X_n|>\epsilon) = 0, \qquad \epsilon >0 burada XnXnX_n , aynı ve bağımsız olarak dağılmış nnn rasgele değişkenin bir fonksiyonudur . Bu, XnXnX_n …

9 mathematical-statistics  simulation  convergence  asymptotics 

R'deki farklı örnek büyüklüklerine göre normallik testlerinin doğruluğunu değerlendirmek istiyorum (normallik testlerinin yanıltıcı olabileceğinin farkındayım ). Örneğin, Shapiro-Wilk testine bakmak için, aşağıdaki simülasyonu yapıyorum (sonuçları çizerken) ve örnek boyutu arttıkça boş değerlerin reddedilme olasılığının azaldığını umuyorum: n <- 1000 pvalue_mat <- matrix(NA, ncol = 1, nrow = n) for(i in …

9 r  simulation  power-analysis  normality-assumption 

Belirli bir uyumlulaştırma modeliyle tutarlı verileri simüle etmek için bir prosedür bulmakla ilgileniyorum. Barron ve Kenny'nin (1986) ilk önce özetlediği ve Judd, Yzerbyt ve Muller (2013) gibi başka yerlerde açıklanan arabuluculuk modellerinin test edilmesine yönelik genel doğrusal yapısal denklem modeli çerçevesine göre , sonucu için arabuluculuk modelleri , arabulucu \ …

9 r  regression  simulation  random-generation  mediation 

Lojistik regresyon için bazı test verileri oluşturmaya çalışıyordum ve bu yazıyı buldum Lojistik regresyon için yapay veriler nasıl simüle edilir? Güzel bir cevap ama sadece sürekli değişkenler yaratıyor. Bağlantıdaki ile aynı örnek için y ile ilişkili 5 seviyeli (ABCDE) kategorik bir x3 değişkenine ne dersiniz?

9 r  logistic  simulation