«bootstrap» 태그된 질문

모집단의 표본 (크기 250)이 있습니다. 나는 인구 분포를 모른다. 주요 질문 : 나는 하나의 점 추정 할 일의 인구의 -percentile을 한 다음 내 포인트 추정치 약 95 %의 신뢰 구간을합니다. 나의 점 추정치는 샘플 1이됩니다 번째 -percentile. 나는 그것을 라고 표시한다 .xxx 그런 다음 점 추정치 주변의 신뢰 구간을 구축하려고합니다. …

9 confidence-interval  bootstrap  quantiles  extreme-value 

변수의 p- 값 또는 표준 편차를 계산하는 작업이 여전히 진행 중이기 때문에 올가미 모델에 들어가는 예측 변수에 '중요도'또는 '중요도'를 표시 할 수 없다는 다른 게시물을 얻었습니다. 이러한 추론 하에서, 올가미 모델에서 배제 된 변수가 '무의미한'또는 '무의미한'이라고 말할 수 없다고 주장하는 것이 옳은가? 그렇다면 올가미 모델에 제외되거나 포함 된 변수에 대해 …

9 statistical-significance  bootstrap  simulation  lasso  regression-strategies 

데이터 세트에서 여러 번 다시 샘플링하고 매번 평균을 계산하면 이러한 평균이 정규 분포를 따릅니다 (CLT 기준). 따라서 데이터 세트의 확률 분포에 대한 가정없이 데이터 세트의 평균에 대한 신뢰 구간을 계산할 수 있습니다. 분산과 비슷한 것을 할 수 있는지 궁금합니다. 즉, 데이터 세트에서 여러 번 리샘플링하고 매번 분산을 계산할 경우 이러한 …

9 distributions  confidence-interval  bootstrap  resampling 

허락하다 엑스1, . . . ,엑스엔엑스1,...,엑스엔X_{1},...,X_{n}별개의 관찰 (타이 없음)이어야합니다. 허락하다엑스※1, . . . ,엑스※엔엑스1※,...,엑스엔※X_{1}^{*},...,X_{n}^{*}부트 스트랩 샘플 (경험적 CDF의 샘플)을 표시하고 엑스¯※엔=1엔∑엔나는 = 1엑스※나는엑스¯엔※=1엔∑나는=1엔엑스나는※\bar{X}_{n}^{*}=\frac{1}{n}\sum_{i=1}^{n}X_{i}^{*}. 찾기이자형(엑스¯※엔)이자형(엑스¯엔※)E(\bar{X}_{n}^{*}) 과 V a r (엑스¯※엔)Vㅏ아르 자형(엑스¯엔※)\mathrm{Var}(\bar{X}_{n}^{*}). 내가 지금까지 가지고있는 것은 엑스※나는엑스나는※X_{i}^{*} 이다 엑스1, . . . ,엑스엔엑스1,...,엑스엔X_{1},...,X_{n} 각각 확률로 1엔1엔\frac{1}{n} 그래서 이자형(엑스※나는) =1엔이자형(엑스1) + . . …

9 self-study  variance  bootstrap  cdf  conditional-expectation 

최근에 "double / triple bootstrap"또는 "iterative bootstrap"에 대해 언급했습니다. 알다시피, 각 부트 스트랩 샘플은 다시 부트 스트랩됩니다. 요점이 뭐야? 어떻게 사용 되나요?

9 bootstrap 

나는 간단하다고 생각하지만 그것을 알아낼 수없는 문제가 있습니다. 나는 종자 수분을보고 있는데, 나는 클러스터에 꽃이 피는 식물 (n = 36)을 가지고 있으며, 각 식물에서 3 개의 꽃 클러스터를 샘플링하고 각 클러스터에서 6 개의 씨앗 포드 (각 식물에서 총 18 개의 씨앗 포드)를 샘플링합니다. 꼬투리는 0에서 최대 4 개의 씨앗을 수분시킬 …

9 r  distributions  bootstrap  zero-inflation 

이 기사 에서 다음과 같은 이식편을 가져옵니다 . 부트 스트랩을 사용하고 R boot패키지가있는 선형 혼합 모델을 위해 파라 메트릭, 반 파라 메트릭 및 비 파라 메트릭 부트 스트랩 부트 스트랩을 구현하려고 초보자 입니다. R 코드 내 R코드 는 다음과 같습니다 . library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

우리가 선형 모형을 가지고 있다고 가정하자 와이나는=β0+β1엑스나는+ϵ나는yi=β0+β1xi+ϵiy_i = \beta_0 + \beta_1 x_i + \epsilon_i모든 표준 회귀 (Gauss-Markov) 가정을 충족합니다. 우리는 관심이있다θ = 1 /β1θ=1/β1\theta = 1/\beta_1. 질문 1 : 분배에 필요한 가정θ^θ^\hat{\theta} 잘 정의되어 있습니까? β1≠ 0β1≠0\beta_1 \neq 0 다른 사람이 중요할까요? 질문 2 : 오류가 정규 분포를 따른다는 가정을 …

9 regression  distributions  maximum-likelihood  bootstrap 

평균의 신뢰 구간을 추정 할 때 부트 스트랩 t 방법과 비모수 부트 스트랩 방법을 모두 적용 할 수 있지만 전자는 약간 더 많은 계산이 필요하다고 생각합니다. 일반적인 비모수 적 부트 스트랩에 비해 부트 스트랩 t의 장단점이 무엇인지 궁금합니다. 왜? 이것을 설명하기위한 참고 자료가 있습니까?

9 confidence-interval  bootstrap 

내 데이터 세트는 해안, 미드 채널 및 해양의 세 가지 사이트 유형에서 유기체의 총 사망률 또는 생존율로 구성됩니다. 아래 표의 숫자는 사이트 수를 나타냅니다. 100% Mortality 100% Survival Inshore 30 31 Midchannel 10 20 Offshore 1 10 100 % 사망률이 발생한 사이트 수가 사이트 유형에 따라 중요한지 알고 싶습니다. 2 …

9 logistic  multiple-comparisons  chi-squared  r  text-mining  clustering  classification  feature-selection  unsupervised-learning  time-series  references  mode  hypothesis-testing  confidence-interval  bootstrap  normal-distribution  order-statistics  correlation  statistical-significance  spss  bayesian  beta-binomial 

각각 두 가지 조건에서 여러 번 측정 한 여러 사람 참가자에 대한 실험을 고려하십시오. 혼합 효과 모델은 다음과 같이 공식화 될 수 있습니다 ( lme4 구문 사용). fit = lmer( formula = measure ~ (1|participant) + condition ) 이제이 모델의 예측에 대한 부트 스트랩 신뢰 구간을 생성하려고합니다. 나는 간단하고 계산적으로 …

9 mixed-model  bootstrap 

우리는 획득하기에 꽤 비싼 생물학적 샘플을 가지고 있습니다. 이러한 샘플을 일련의 테스트를 통해 예측 모델을 작성하는 데 사용되는 데이터를 생성했습니다. 이를 위해 샘플을 훈련 (70 %) 및 테스트 (30 %) 세트로 나누었습니다. 우리는 성공적으로 모델을 만들고 테스트 세트에 적용하여 성능이 "최적"이 아님을 발견했습니다. 실험가들은 이제 더 나은 모델을 만들기 위해 …

9 classification  modeling  experiment-design  cross-validation  bootstrap 

순열 테스트는 원래 데이터에서 임의로 추출 된 순열 리 샘플을 기반으로하는 중요도 테스트입니다. 교체와 함께 생성되는 부트 스트랩 샘플과 달리 순열 재 샘플은 교체없이 추출됩니다. 다음은 간단한 순열 테스트의 R에서 한 예 입니다. (귀하의 의견은 환영합니다) 순열 테스트에는 큰 장점이 있습니다. 정규성과 같은 특정 모집단 형태가 필요하지 않습니다. 귀무 가설 …

9 confidence-interval  bootstrap  permutation-test 

부트 스트랩에 관한 몇 가지 시도에도 불구하고, 나는 항상 벽돌 벽에 부딪친 것 같습니다. 부트 스트랩에 대해 기술적으로 합리적이지 않은 정의를 줄 수있는 사람이 있는지 궁금합니다. 나는 나를 완전히 이해 할 수 있도록 충분한 정보를 제공하기 위해이 포럼에서 가능하지 알고 있지만 주요 목표 및 부트 스트랩의 메커니즘을 올바른 방향으로 부드럽게 …

9 nonparametric  bootstrap  intuition 

문제 : 큰 데이터 세트보다 약간 뒤떨어지기 위해 Gibbs 샘플링을 수행하려고합니다. 불행히도 내 모델은 매우 간단하지 않으므로 샘플링 속도가 너무 느립니다. 나는 변형 또는 병렬 접근법을 고려할 것이지만, 그 전에는 ... 질문 : 모든 Gibbs 반복에서 데이터 세트에서 무작위로 (대체로) 샘플링 할 수 있는지 알고 싶습니다. 모든 단계에서 배울 수있는 …

8 sampling  bootstrap  mcmc  large-data  gibbs