«variance» etiketlenmiş sorular

Verilerin binom olarak dağıtıldığı (meyve olgunlaşır ya da olmaz) tozlaşma hakkında bir makale revize ediyorum. Bu yüzden glmerbir rastgele etki (bireysel bitki) ve bir sabit etki (tedavi) ile kullandım. Bir yorumcu, bitkinin meyve seti üzerinde bir etkisi olup olmadığını bilmek istiyor - ancak glmersonuçları yorumlamakta sorun yaşıyorum . Web'de okudum …

13 r  generalized-linear-model  variance  lme4-nlme  ecology 

(Benzer bir soruyu math.se de yayınladım .) Bilgi geometrisinde, Fisher bilgi matrisinin belirleyicisi, istatistiksel bir manifold üzerindeki doğal bir hacim formudur, bu nedenle güzel bir geometrik yoruma sahiptir. Örneğin, bir Jeffreys tanımında göründüğü gerçeği, (imho) geometrik bir özellik olan yeniden parametreleme altındaki değişmezliğiyle bağlantılıdır. Fakat istatistiklerde bu belirleyici nedir? Anlamlı …

13 variance  information-theory  fisher-information  information-geometry 

Ortalamaları eşit büyüklükteki üç grup arasında karşılaştırmak istiyorum (eşit örneklem büyüklüğü küçük, 21). Her grubun araçları normal olarak dağıtılır, ancak varyansları eşit değildir (Levene tarafından test edilir). Bir dönüşüm bu durumda en iyi yol mu? Önce başka bir şey düşünmeli miyim?

13 anova  variance  heteroscedasticity 

Cohen'in ddd , bir efektin boyutunu ölçmenin en yaygın yollarından biridir ( Wikipedia'ya bakın ). Sadece iki yol arasındaki mesafeyi toplanmış standart sapma açısından ölçer. Cohen'in d varyans tahmininin matematiksel formülünü nasıl türetebiliriz ddd? Aralık 2015 edit: Bu soru ile ilgili d etrafında güven aralıklarının hesaplanması fikri . Bu makalede …

12 variance  effect-size  cohens-d 

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 

Bir boxplot kullanarak bir değişkenin varyansını nasıl çıkaracağımı merak ediyordum. En azından iki değişkenin kutu grafiğini gözlemleyerek aynı varyansa sahip olup olmadığına karar vermek mümkün mü?

12 variance  boxplot 

Binomial'in orantılı bir varyansı olduğu kafamı karıştırıyor / darbeler . Aynı şekilde, Fisher bilgisi ile orantılıdır . Bunun nedeni nedir? Fisher Bilgisi neden değerinde minimize ? Yani, 0.5'de çıkarım neden daha zordur ?p ( 1 - p )p(1−p)p(1-p)1p ( 1 - p )1p(1−p)\frac{1}{p(1-p)}p = 0.5p=0.5p=0.5p = 0.5p=0.5p=0.5 Bağlam: Ben bir …

12 variance  binomial  interpretation 

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 

ilişkili rasgele değişkenlerin çarpımı nedir?kkk

12 variance  random-variable 

Not: önceki sorumun yasal nedenlerle silinmesi gerektiğinden, bu soru bir gönderidir. Fonksiyonlu SAS PROC MIXED karşılaştırarak birlikte lmegelen nlmeR paketin, bazı çok kafa farklılıklar tökezledi. Daha spesifik olarak, farklı testlerdeki özgürlük dereceleri ve arasında farklılık gösterir PROC MIXEDve lmenedenini merak ettim. Aşağıdaki veri kümesinden başlayın (R kodu aşağıda verilmiştir): ind: …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 

Bazı verileri modellemek istiyorum, ancak ne tür bir model kullanabileceğimden emin değilim. Sayım verilerim var ve verilerin ortalaması ve varyansı için parametrik tahminler verecek bir model istiyorum. Yani, çeşitli tahmin faktörlerim var ve bunlardan herhangi birinin varyansı etkileyip etkilemediğini belirlemek istiyorum (sadece grup ortalamasını değil). Poisson regresyonunun işe yaramayacağını biliyorum, …

12 variance  modeling  count-data  overdispersion  gamlss 

Sorun: Bayes meta-analizinde öncelikler ve veriler olarak kullanılacak dağılımları parametrelendiriyorum. Veriler literatürde neredeyse sadece normal olarak dağıtıldığı varsayılan özet istatistikler olarak verilmektedir (değişkenlerin hiçbiri <0 olmamasına rağmen, bazıları oranlardır, bazıları kütle vb.). Çözümü olmayan iki davaya rastladım. Bazen ilgili parametre, verilerin tersi veya iki değişkenin oranıdır. Örnekler: normal olarak dağılmış …

12 distributions  bayesian  variance  random-variable  meta-analysis 

I son sorulan bir soru : Numune ortalama ve varyans ilgili temel denklem arkasında bir matematiksel yorumu / sezgi arayan , geometrik ya da başka şekilde.E[X2]=Var(X)+(E[X])2E[X2]=Var(X)+(E[X])2 E[X^2] = Var(X) +(E[X])^2 Ama şimdi yüzeysel olarak benzer yanlılık-varyans tradeoff denklemini merak ediyorum. MSE(θ^)=E[(θ^−θ)2]==E[(θ^−E[θ^])2]+(E[θ^]−θ)2Var(θ^)+Bias(θ^,θ)2MSE(θ^)=E[(θ^−θ)2]=E[(θ^−E[θ^])2]+(E[θ^]−θ)2=Var(θ^)+Bias(θ^,θ)2 \begin{eqnarray} \text{MSE}(\hat{\theta}) = E [(\hat{\theta}-\theta)^2 ] &=& E[(\hat{\theta} - …

12 variance  bias 

Python scikit-learn kılavuzundaki regresyon metriklerini okuyordum ve her birinin kendi formülü olmasına rağmen, ve varyans skoru arasındaki farkın ne olduğunu ve bu nedenle değerlendirmek için ne zaman veya daha fazla kullanıldığını sezgisel olarak anlayamıyorum. benim modellerim.R,2R,2R^2

12 regression  variance  scikit-learn  r-squared  model-evaluation 

Pg. 34 İstatistiksel Öğrenmeye Giriş : \newcommand{\Var}{{\rm Var}} Matematiksel kanıt bu kitabın kapsamı dışındadır olsa da, beklenen testi MSE, verilen değer için olduğunu göstermek mümkündür x0x0x_0 : daima üç temel miktarlarda toplamından ayrılacak olabilir varyans ait f^(x0)f^(x0)\hat{f}(x_0) , kare önyargı arasında f^(x0)f^(x0)\hat{f}(x_0) ve hata terimleri varyansı εε\varepsilon . Yani, E(y0−f^(x0))2=Var(f^(x0))+[Bias(f^(x0))]2+Var(ε)E(y0−f^(x0))2=Var(f^(x0))+[Bias(f^(x0))]2+Var(ε) …

12 machine-learning  variance