«bootstrap» 태그된 질문

부트 스트랩은 통계의 샘플링 분포를 추정하기위한 리샘플링 방법입니다.

2
중앙값 차이의 95 % 신뢰 구간을 구성하는 방법은 무엇입니까?
내 문제 : 평행 그룹 무작위 시험은 일차 결과의 매우 오른쪽으로 치우친 분포를 가지고 있습니다. 정규성을 가정하고 정규 기반 95 % CI를 사용하고 싶지 않습니다 (즉, 1.96 X SE 사용). 중앙 경향의 척도를 중앙값으로 표현하는 것이 편안하지만, 제 질문은 두 그룹 사이의 중앙값 차이의 95 % CI를 구성하는 방법입니다. 가장 …

4
RANSAC이 통계에서 가장 널리 사용되지 않는 이유는 무엇입니까?
컴퓨터 비전 분야에서 나온 저는 종종 RANSAC (Random Sample Consensus) 방법을 사용하여 많은 특이 치가있는 데이터에 모델을 적합 시켰습니다. 그러나 나는 통계 학자들이 사용하는 것을 본 적이 없으며, "통계적으로 건전한"방법으로 간주되지 않았다는 인상을 항상 받았다. 왜 이렇게이다? 본질적으로 무작위이므로 분석하기가 어렵지만 부트 스트랩 방법도 마찬가지입니다. 아니면 단순히 학문적 사일로가 서로 …

1
통계가 매끄럽다면 부트 스트랩이 유효한 결과가 있습니까?
우리가 가정에 걸쳐 통계 일부 데이터의 함수 인 X 1 , ... X N 분포 함수로부터 인출되는 F ; 우리의 샘플의 경험적 분포 함수는 F . 그래서 θ ( F는 ) 임의의 변수로 간주 통계입니다 θ ( F가 ) 통계의 부트 스트랩 버전입니다. 우리는 d ∞ 를 KS 거리로 사용합니다θ …

1
다항식 (1 / n,…, 1 / n)을 이산화 Dirichlet (1, .., 1)으로 특성화 할 수 있습니까?
따라서이 질문은 약간 지저분하지만 화려한 그래프를 포함시켜 그 내용을 보완합니다! 먼저 배경과 질문. 배경 개 범주에 대해 동일한 probailites를 가진 차원 다항 분포 를 가지고 있다고 가정 해 봅시다 . 하자 정규화 계수 (BE 하다 분포가) :nnnnnnπ=(π1,…,πn)π=(π1,…,πn)\pi = (\pi_1, \ldots, \pi_n)ccc (c1,…,cn)∼Multinomial(1/n,…,1/n)πi=cin(c1,…,cn)∼Multinomial(1/n,…,1/n)πi=cin(c_1, \ldots, c_n) \sim \text{Multinomial}(1/n, \ldots, 1/n) \\ \pi_i …

3
분류 성능을 평가하기위한 교차 검증 또는 부트 스트랩?
특정 데이터 세트에서 분류기의 성능을 평가하고이를 다른 분류기와 비교하는 가장 적합한 샘플링 방법은 무엇입니까? 교차 검증은 표준 관행 인 것처럼 보이지만 .632 부트 스트랩과 같은 방법이 더 나은 선택임을 읽었습니다. 후속 조치 : 성능 지표 선택이 답변에 영향을 미칩니 까 (정확성 대신 AUC를 사용하는 경우)? 나의 궁극적 인 목표는 한 …

2
R의 부트 스트랩은 실제로 어떻게 작동합니까?
나는 R에서 부트 패키지를 살펴 보았고, 사용법에 대한 많은 입문서를 찾았지만, "장면"에서 무슨 일이 일어나고 있는지 정확히 설명하는 것을 아직 찾지 못했다. 예를 들어,이 예 에서 가이드는 표준 회귀 계수를 부트 스트랩 회귀의 시작점으로 사용하는 방법을 보여 주지만 부트 스트랩 프로 시저가 실제로 부트 스트랩 회귀 계수를 도출하기 위해 수행하는 …

1
부트 스트랩 핑 vs 베이지안 부트 스트랩 핑 개념적으로?
베이지안 부트 스트랩 프로세스가 무엇인지, 그리고 일반 부트 스트랩과 어떻게 다른지 이해하는 데 어려움을 겪고 있습니다. 그리고 누군가가 직관적이고 개념적인 검토와 두 가지를 비교할 수 있다면 좋을 것입니다. 예를 들어 봅시다. 데이터 세트 X가 [1,2,5,7,3]이라고 가정 해 봅시다. X 크기 ([7,7,2,5,7], [3,5,2,2,7] 등)와 동일한 샘플 크기를 생성하기 위해 여러 번 …

1
부트 스트랩을 사용하여 회귀 계수의 신뢰 구간을 추정하는 두 가지 방법
데이터에 선형 모델을 적용하고 있습니다 : 와이나는= β0+ β1엑스나는+ ϵ나는,ϵ나는~ N( 0 , σ2) .와이나는=β0+β1엑스나는+ϵ나는,ϵ나는∼엔(0,σ2). y_{i}=\beta_{0}+\beta_{1}x_{i}+\epsilon_{i}, \quad\epsilon_{i} \sim N(0,\sigma^{2}). 부트 스트랩 방법을 사용하여 계수 ( , ) 의 신뢰 구간 (CI)을 추정하고 싶습니다 . 부트 스트랩 방법을 적용 할 수있는 두 가지 방법이 있습니다. β 1β0β0\beta_{0}β1β1\beta_{1} 표본 대응 반응 예측 …

2
부트 스트랩-특이 치를 먼저 제거해야합니까?
우리는 새로운 제품 기능에 대한 분할 테스트를 실행했으며 수익 향상이 중요한지 측정하려고합니다. 우리의 관찰은 확실히 정상적으로 배포되지 않습니다 (대부분의 사용자는 지출하지 않으며, 그 범위 내에서 많은 소규모 지출 자와 약간의 지출로 크게 왜곡됩니다). 우리는 부트 스트랩을 사용하여 평균을 분배하지 않는 데이터 문제를 해결하기 위해 수단을 비교하기로 결정했습니다 (질문 : 부트 …

1
부트 스트랩 배포의 표준 오류 사용
(필요한 경우 R 코드를 무시하십시오. 주된 질문은 언어 독립적이므로) 간단한 통계 (예 : 평균)의 변동성을보고 싶다면 다음과 같은 이론을 통해 할 수 있다는 것을 알고 있습니다. x = rnorm(50) # Estimate standard error from theory summary(lm(x~1)) # same as... sd(x) / sqrt(length(x)) 또는 부트 스트랩으로 다음과 같이하십시오. library(boot) # Estimate …

3
비정규 분포 표본에서 평균의 신뢰 구간을 어떻게 계산할 수 있습니까?
비정규 분포 표본에서 평균의 신뢰 구간을 어떻게 계산할 수 있습니까? 부트 스트랩 방법이 여기에서 일반적으로 사용된다는 것을 알고 있지만 다른 옵션을 사용할 수 있습니다. 비모수 적 옵션을 찾고있는 동안 누군가 파라 메트릭 솔루션이 유효하다고 확신 할 수 있다면 좋을 것입니다. 샘플 크기는> 400입니다. 누구나 R로 샘플을 줄 수 있다면 대단히 …

1
H0에서 부트 스트랩을 사용하여 두 가지 방법의 차이에 대한 테스트 수행 : 그룹 내 또는 풀링 된 샘플 내에서 교체
두 개의 독립적 그룹이있는 데이터가 있다고 가정하십시오. g1.lengths <- c (112.64, 97.10, 84.18, 106.96, 98.42, 101.66) g2.lengths <- c (84.44, 82.10, 83.26, 81.02, 81.86, 86.80, 85.84, 97.08, 79.64, 83.32, 91.04, 85.92, 73.52, 85.58, 97.70, 89.72, 88.92, 103.72, 105.02, 99.48, 89.50, 81.74) group = rep (c ("g1", "g2"), c (length (g1.lengths), …

2
부트 스트랩 샘플의 평균 대 샘플의 통계
이 샘플 의 샘플 과 부트 스트랩 샘플 이 안정적인 (예 : 평균)라고 가정합니다. 우리 모두 알고 있듯이,이 부트 스트랩 샘플 은 통계량 추정기의 샘플링 분포 를 추정 합니다 .χχ\chi 이제이 부트 스트랩 표본 의 평균이 원래 표본 의 통계량 보다 모집단 통계량 의 더 나은 추정치 입니까? 어떤 조건에서 …

1
부트 스트랩 기반 신뢰 구간
부트 스트랩 기반 신뢰 구간을 연구하는 동안 한 번 다음 문장을 읽었습니다. 부트 스트랩 분포가 오른쪽으로 치우친 경우 부트 스트랩 기반 신뢰 구간은 끝점을 오른쪽으로 더 멀리 이동시키는 수정을 포함합니다. 이것은 직관적이지 않은 것처럼 보일 수 있지만 올바른 조치입니다. 위의 진술의 기본 논리를 이해하려고합니다.

3
부트 스트랩이 필요한 이유는 무엇입니까?
저는 현재 Larry Wasserman의 "All of Statistics"를 읽고 있으며 비모수 적 모델의 통계 함수 추정에 관한 장에서 쓴 내용에 의문을 가지고 있습니다. 그가 썼다 "때로는 일부 계산을 수행하여 통계 함수의 추정 표준 오차를 찾을 수 있습니다. 그러나 다른 경우에는 표준 오차를 추정하는 방법이 명확하지 않습니다". 다음 장에서 그는이 문제를 해결하기 …

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.