«bootstrap» 태그된 질문

표본 평균의 분포를 근사하는 방법에 대해 읽을 때 비모수 적 부트 스트랩 방법을 사용했습니다. 분명히 의 분포에 의해 의 분포를 근사 할 수 있습니다 . 여기서 는 표본 평균을 나타냅니다. 부트 스트랩 샘플. ˉ X ∗ n − ˉ X n ˉ X ∗ n엑스¯엔− μX¯n−μ\bar{X}_n-\mu엑스¯※엔− X¯엔X¯n∗−X¯n\bar{X}_n^*-\bar{X}_n엑스¯※엔X¯n∗\bar{X}_n^* 내 질문은 : …

13 distributions  bootstrap  resampling  centering 

부트 스트랩은 평균 추정치의 불확실성에 접근하는 데 효과적이지만 부트 스트랩이 정량적 추정치 (특히 중앙값)의 불확실성을 평가하는 데 좋지 않은 곳을 읽는 것을 기억합니다. 어디서 읽었는지 기억이 나지 않으며 빠른 Google 검색으로 많은 것을 찾을 수 없었습니다. 이것에 대한 생각과 참조는 대단히 감사하겠습니다.

13 references  bootstrap  median 

독립 변수 x 와 종속 변수 y 의 데이터 쌍을 각각 n 개 관측 한 두 개의 데이터 세트가 있다고 가정 해 봅시다 . 관측 값을 N 으로 부트 스트래핑 하고 회귀를 계산하여 각 데이터 세트에 대해 회귀 기울기 분포를 생성하고 y = a + bx를 계산 한다고 가정합니다.매번. 경사가 …

13 regression  statistical-significance  bootstrap 

부트 스트랩 의 기본 원리가 어떻게 작동하는지 이해하고 있지만 모델 선택에 부트 스트랩을 사용하거나 과적 합을 피하는 방법을 잘 모르겠습니다. 예를 들어, 모델 선택의 경우 부트 스트랩 샘플에서 가장 낮은 오차 (아마도 편차)를 산출하는 모델을 선택 하시겠습니까? 모델 선택 또는 검증에 부트 스트랩을 사용하는 방법에 대해 설명하는 텍스트가 있습니까? 편집 …

13 model-selection  cross-validation  bootstrap 

저는 Amos 18에서 구조 방정식 모델 (SEM)을 운영하고 있습니다. 나는 느슨하게 사용 된 실험에 100 명의 참가자를 찾고 있었는데 이는 아마도 성공적인 SEM을 수행하기에 충분하지 않은 것으로 간주됩니다. SEM (EFA, CFA와 함께)이 "큰 표본"통계 절차라고 반복해서 들었습니다. 간단히 말해서, 나는 100 명의 참가자에게 그것을 만들지 않았으며 (놀랍습니다!) 두 개의 문제가있는 …

13 modeling  sample-size  bootstrap  sem 

귀무 가설이 같은 차이를 가진 모집단에서 나온 귀무 가설에 대해 두 개의 독립적 인 표본을 검정하기 위해 어떤 검정을 사용할 수 있습니까? 스큐가 고정 숫자와 같은지 여부에 대한 고전적인 1- 표본 테스트가 있습니다 (테스트는 6 번째 샘플 모멘트를 포함합니다). 2 샘플 테스트로 직접 변환합니까? 매우 높은 데이터 순간을 포함하지 않는 …

13 hypothesis-testing  distributions  bootstrap  moments  l-moments 

이것은 부트 스트랩 과 유사합니다 : 추정이 신뢰 구간을 벗어났습니다. 인구의 유전자형 수를 나타내는 데이터가 있습니다. Shannon의 지수를 사용하여 유전 다양성을 추정하고 부트 스트랩을 사용하여 신뢰 구간을 생성하고 싶습니다. 그러나 부트 스트랩을 통한 추정치가 극도로 치우친 경향이 있으며 관찰 된 통계 범위를 벗어난 신뢰 구간을 초래한다는 것을 알았습니다. 아래는 예입니다. …

13 r  confidence-interval  bootstrap  bias  diversity 

Welch의 t- 검정을 사용하여 평균의 동등성을 테스트하고 있습니다. 근본적인 분포는 정상과는 거리가 멀다 ( 여기서는 관련 토론의 예보다 비뚤어 짐 ). 더 많은 데이터를 얻을 수 있지만 어느 정도까지 결정하는 원칙적인 방법을 원합니다. 표본 분포가 수용 가능하다는 평가를 내리는 데 좋은 휴리스틱이 있습니까? 정규 성과의 편차는 가장 중요합니까? 표본 통계에 …

12 normal-distribution  t-test  bootstrap  central-limit-theorem  approximation 

문제 는 부트 스트랩이 잭 나이 핑보다 우수 합니다. 그러나 jackknifing이 모수 추정값의 불확실성을 특성화하기위한 유일하거나 최소한 가능한 옵션이 있는지 궁금합니다. 또한 실제 상황에서 부트 스트랩 핑과 관련하여 편향 / 정확성이 잭 니핑되는 방식은 무엇이며, 잭나이프 결과는보다 복잡한 부트 스트랩이 개발되기 전에 예비 통찰력을 제공 할 수 있습니까? 일부 상황 …

12 machine-learning  cross-validation  bootstrap  maximum-entropy  jackknife 

부트 스트랩 CI (및 Barticular의 BCa)가 정규 분포 데이터에서 어떻게 수행되는지 궁금합니다. 다양한 유형의 분포에서 성능을 검사하는 작업이 많지만 정규 분포 데이터에서 아무것도 찾을 수 없습니다. 먼저 공부해야 할 것이 분명해 보이므로 논문이 너무 오래되었다고 생각합니다. R 부트 패키지를 사용하여 Monte Carlo 시뮬레이션을 수행하고 부트 스트랩 CI가 정확한 CI와 일치하는 …

12 confidence-interval  bootstrap  normality-assumption  resampling 

데이터 세트가 매우 커서 약 5 %의 임의 값이 없습니다. 이 변수들은 서로 상관되어 있습니다. 다음 예제 R 데이터 세트는 더미 상관 데이터가있는 장난감 예제 일뿐입니다. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) …

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 

두 개의 심하게 치우친 표본이 있으며 부트 스트랩을 사용하여 t- 통계량을 사용하여 평균을 비교하려고합니다. 올바른 절차는 무엇입니까? 내가 사용하고있는 과정 나는 이것이 정규 분포가 아니라는 것을 알고 마지막 단계에서 원본 / 관측 된 데이터의 표준 오차를 사용하는 것이 적절 할까 걱정하고 있습니다. 내 단계는 다음과 같습니다. 부트 스트랩-무작위 샘플 교체 …

12 hypothesis-testing  t-test  bootstrap 

MI (multiply imputed) 데이터로부터 의 추정치에 대해 p- 값을 부트 스트랩하고 싶지만 MI 세트에서 p- 값을 결합하는 방법이 확실하지 않다는 문제가 우려됩니다.θθ\theta MI 데이터 세트의 경우 추정치의 총 분산에 도달하는 표준 접근법은 Rubin의 규칙을 사용합니다. 풀링 MI 데이터 세트에 대한 검토는 여기 를 참조 하십시오 . 총 분산의 제곱근은 표준 …

12 confidence-interval  variance  p-value  bootstrap  multiple-imputation 

신뢰성 테스트와 관련하여 다소 복잡한 의사 결정 분석 문제가 있으며 논리적 접근 (나에게)은 MCMC를 사용하여 베이지안 분석을 지원하는 것으로 보입니다. 그러나 부트 스트랩 접근 방식을 사용하는 것이 더 적절하다고 제안되었습니다. 누군가가 (특정 상황에서도) 다른 기술을 사용하는 것을 지원할 수있는 참조 (또는 세 가지)를 제안 할 수 있습니까? FWIW, 여러 개의 …

12 bayesian  bootstrap 

표준 형태의 부트 스트랩은 관측치가 iid 인 경우 추정 된 통계의 신뢰 구간을 계산하는 데 사용할 수 있습니다. I. Visser et al. " 숨겨진 Markov 모델 매개 변수의 신뢰 구간 "에서 매개 변수 부트 스트랩을 사용하여 HMM 매개 변수의 CI를 계산했습니다. 그러나 관측 시퀀스에 HMM을 적용 할 때는 이미 혼합 …

12 confidence-interval  bootstrap  hidden-markov-model