«confidence-interval» 태그된 질문

이것은 "확률 이론의 일곱 번째 콜로 모고 로프 학생 올림피아드"의 문제입니다. 두 모수를 모두 알 수없는 분포 에서 하나의 관측치 가 주어지면 신뢰 수준이 99 % 이상인 대한 신뢰 구간을 제공하십시오 .정규 ( μ , σ 2 ) σ 2XXXNormal(μ,σ2)Normal⁡(μ,σ2)\operatorname{Normal}(\mu,\sigma^2)σ2σ2\sigma^2 이것이 불가능한 것 같습니다. 해결책이 있지만 아직 읽지 않았습니다. 이견있는 …

25 probability  normal-distribution  confidence-interval  variance 

기초 통계 과정에서 "큰"표본 크기에 대한 점근 적 정규성 을 기반 으로 모집단 평균 와 같은 95 % 신뢰 구간을 구성하는 방법을 배웠습니다 . 리샘플링 방법 (예 : 부트 스트랩) 외에도 "프로필 가능성"을 기반으로하는 다른 접근 방법이 있습니다. 누군가이 방법을 설명 할 수 있습니까?μμ\mu 어떤 상황에서 점근 적 정상 성 …

25 confidence-interval  profile-likelihood 

에서 통계적 추론 , 문제 9.6b하는 "최고 밀도 지역 (HDR)는"언급한다. 그러나이 책에서이 용어의 정의를 찾지 못했습니다. 유사한 용어는 HPD (Highest Posterior Density)입니다. 그러나 9.6b는 이전에 대해 언급하지 않았기 때문에이 맥락에 맞지 않습니다. 그리고 제안 된 솔루션 에서 "명확하게 는 HDR"이라고 말합니다.c ( y)c(y)c(y) 아니면 HDR이 PDF의 모드를 포함하는 영역입니까? 최고 …

23 confidence-interval  estimation  definition  credible-interval  highest-density-region 

컨설턴트이고 신뢰 구간의 유용성을 고객에게 설명하고 싶다고 가정합니다. 내 고객은 내 간격이 너무 넓어서 유용하지 않으며 1/2을 사용하는 것을 선호한다고 말합니다. 어떻게 대답해야합니까?

22 confidence-interval  interpretation 

내 질문을 설명하기 위해 입력에 잡음이 있지만 출력이없는 훈련 세트가 있다고 가정하십시오. # Training data [1.02, 1.95, 2.01, 3.06] : [1.0] [2.03, 4.11, 5.92, 8.00] : [2.0] [10.01, 11.02, 11.96, 12.04] : [1.0] [2.99, 6.06, 9.01, 12.10] : [3.0] 여기서 출력은 노이즈가없는 경우 (실제 그래디언트가 아닌) 입력 어레이의 그래디언트입니다. 네트워크를 …

22 regression  machine-learning  neural-networks  confidence-interval  prediction-interval 

정규화 된 추정을 사용하여 일부 고차원 데이터에서 많은 수의 모수를 추정하려고한다고 가정하십시오. 정규화 도구는 추정치에 약간의 편견을 제공하지만 분산 감소가이를 보완하는 것 이상으로 인해 여전히 좋은 절충점이 될 수 있습니다. 신뢰 구간을 추정하려고 할 때 문제가 발생합니다 (예 : Laplace 근사 또는 부트 스트랩 사용). 특히, 추정치의 치우침으로 인해 신뢰 …

21 confidence-interval  bias  regularization  ridge-regression  coverage-probability 

SPSS는 출력 "차이 수단의 신뢰 구간"을 제공합니다. 나는 "100에서 95 번, 우리의 표본 평균 차이가이 경계 사이에있을 것"이라는 의미를 어떤 곳에서 읽었습니다. "평균 차이의 신뢰 구간"을 설명하기 위해보다 명확한 문구를 제안 할 수 있습니까? 이 출력은 1- 표본 t- 검정과 관련하여 나타납니다.

21 confidence-interval 

일부 공통 값에 대해 치우침이 심한 383 개의 표본이 있는데 평균의 95 % CI를 어떻게 계산합니까? 내가 계산 한 CI는 꺼져있는 것처럼 보입니다. 내가 히스토그램을 만들 때 데이터가 곡선처럼 보이지 않기 때문입니다. 그래서 나는 잘 이해하지 못하는 부트 스트랩과 같은 것을 사용해야한다고 생각합니다.

21 confidence-interval  mean 

주성분 분석 (PCA)을 수행 한 후 PCA 공간에 새 벡터를 투영하려고합니다 (즉, PCA 좌표계에서 해당 좌표를 찾습니다). 를 사용하여 R 언어로 PCA를 계산했습니다 prcomp. 이제 내 벡터에 PCA 회전 행렬을 곱할 수 있어야합니다. 이 매트릭스의 주요 구성 요소를 행 또는 열로 배열해야합니까?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

모집단에서 데이터 점 샘플을 가져 왔습니다 . 이러한 각 포인트는 실제 값 (지상 사실에서 알려짐)과 예상 값을 갖습니다. 그런 다음 각 샘플링 포인트에 대한 오류를 계산 한 다음 샘플의 RMSE를 계산합니다.nnn 그런 다음 표본 크기 기준으로이 RMSE 주위의 신뢰 구간을 어떻게 유추 할 수 있습니까?nnn RMSE가 아닌 평균을 사용하는 경우 …

20 confidence-interval 

로지스틱 회귀 추정치에 대한 예측 간격 을 생성하는 방법을 이해하고 싶습니다 . Collett 's Modeling Binary Data , 2nd Ed p.98-99 의 절차를 따르는 것이 좋습니다 . 이 절차를 구현하고이를 R과 비교 한 후에 predict.glm실제로이 책은 예측 구간이 아닌 신뢰 구간 을 계산하는 절차를 보여주고 있다고 생각 합니다. 와 비교 …

20 r  regression  confidence-interval  logistic  prediction-interval 

제어 레이아웃의 링크에 대한 클릭률 (CTR)과 실험 레이아웃의 링크에 대한 클릭률) 이라는 두 가지 비율이 있으며이 비율 의 비율에 대한 95 % 신뢰 구간을 계산하려고합니다. 어떻게해야합니까? 델타 방법을 사용 하여이 비율의 분산을 계산할 수 있다는 것을 알고 있지만 그 외에도 무엇을 해야할지 모르겠습니다. 신뢰 구간의 중간 점 (내 관찰 된 …

20 confidence-interval 

다중 대치 (MI)의 논리는 누락 된 값을 한 번이 아니라 여러 번 (일반적으로 M = 5) 번 대치하여 M이 완료된 데이터 세트를 생성하는 것입니다. 그런 다음 M 완료 데이터 세트를 완료 데이터 방법으로 분석하여 M 추정치 및 표준 오류를 Rubin 공식을 사용하여 결합하여 "전체"추정치 및 표준 오류를 얻습니다. 지금까지는 훌륭하지만 …

20 modeling  confidence-interval  mixed-model  data-imputation 

정밀도는 다음과 같이 정의됩니다. p = true positives / (true positives + false positives) 로, 즉를 정확 true positives하고 false positives, 정밀도가 한 접근 방식 0? 리콜에 대한 동일한 질문 : r = true positives / (true positives + false negatives) 현재이 값을 계산 해야하는 통계 테스트를 구현 중이며 때로는 …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

좋아, 나는 로지스틱 회귀를 가지고 predict()있으며 내 추정값을 기반으로 확률 곡선을 개발하는 함수를 사용했습니다 . ## LOGIT MODEL: library(car) mod1 = glm(factor(won) ~ as.numeric(bid), data=mydat, family=binomial(link="logit")) ## PROBABILITY CURVE: all.x <- expand.grid(won=unique(won), bid=unique(bid)) y.hat.new <- predict(mod1, newdata=all.x, type="response") plot(bid<-000:1000,predict(mod1,newdata=data.frame(bid<-c(000:1000)),type="response"), lwd=5, col="blue", type="l") 이것은 훌륭하지만 확률에 대한 신뢰 구간을 그리는 것이 …

20 r  logistic  confidence-interval