«estimation» 태그된 질문

이 태그는 너무 일반적입니다. 보다 구체적인 태그를 제공하십시오. 특정 견적 도구의 속성에 대한 질문은 [estimators] 태그를 대신 사용하십시오.

4
내부 대 외부 교차 검증 및 모델 선택
교차 검증 및 모델 선택을 통해 다음 두 가지 사항을 해결하려고합니다. P1 . 표본으로 훈련 할 때 모집단에 대한 예상 손실 추정 P2 . 이 추정의 불확실성 (분산, 신뢰 구간, 편향 등)을 측정하고보고하십시오. 표준 관행은 교차 추정을 반복하는 것으로 보입니다. 이는 추정기의 분산을 감소시키기 때문입니다. 그러나보고 및 분석과 관련하여 내부 …
2
로그 정규 분포의 모멘트 추정치
로그 정규 분포 샘플링으로 구성된 몇 가지 수치 실험을 하고 두 가지 방법으로 모멘트 을 추정하려고 합니다.X∼LN(μ,σ)X∼LN(μ,σ)X\sim\mathcal{LN}(\mu, \sigma)E[Xn]E[Xn]\mathbb{E}[X^n] 의 표본 평균을 보면XnXnX^n 의 표본 평균을 사용하여 및 를 추정 한 다음 로그 정규 분포의 경우 .μμ\muσ2σ2\sigma^2log(X),log2(X)log⁡(X),log2⁡(X)\log(X), \log^2(X)E[Xn]=exp(nμ+(nσ)2/2)E[Xn]=exp⁡(nμ+(nσ)2/2)\mathbb{E}[X^n]=\exp(n \mu + (n \sigma)^2/2) 문제는 : 실험적으로 두 번째 방법은 첫 번째 방법보다 …
8
얼마나 많은 사람들이 행사에 참석했는지 추정하는 방법 (예 : 정치 집회)?
한 학생이 오늘 나에게 물었다. "워싱턴 DC의 스튜어트 / 콜버트 '정신 회복을위한 집회'와 같은 대규모 그룹 행사에 얼마나 많은 사람들이 참석했는지 어떻게 알 수 있습니까?" 뉴스 매체는 수만 건의 추정치를보고하지만 이러한 추정치를 얻는 데 어떤 방법이 사용되며 얼마나 신뢰할 수 있습니까? 한 기사는 주차 허가에 대한 추정치에 근거한 것이지만 다른 …
2
최고 밀도 영역 (HDR)이란 무엇입니까?
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 …
4
스튜던트 t- 분포의 추정 모수
스튜던트 t- 분포의 모수에 대한 최대 우도 추정치는 무엇입니까? 닫힌 형태로 존재합니까? 빠른 Google 검색으로 결과가 나오지 않았습니다. 오늘 나는 일 변량 사례에 관심이 있지만 아마도 모델을 여러 차원으로 확장해야 할 것입니다. 편집 : 실제로 위치 및 스케일 매개 변수에 주로 관심이 있습니다. 지금은 자유도 매개 변수가 고정되어 있다고 가정하고 …
2
모수 추정을위한 이항 분포에 대한 우도 함수를 도출하는 방법은 무엇입니까?
8ed (pp.217-218)에 대한 Miller and Freund의 확률 및 통계에 따르면 , 이항 분포 (Bernoulli 시행)에 대해 최대화 될 가능성 함수는 다음과 같습니다. 패 ( p )=∏n나는 = 1피x나는( 1 - p)1 −x나는L(피)=∏나는=1엔피엑스나는(1−피)1−엑스나는L(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} 이 방정식에 어떻게 도달합니까? Poisson과 Gaussian과 같은 다른 배포판에 관해서는 꽤 분명해 보입니다. L ( θ …
1
일관성없는 견적이 선호 되는가?
일관성은 분명히 자연스럽고 중요한 속성 추정기이지만 일관성있는 추정기보다는 일관성이없는 추정기를 사용하는 것이 더 좋은 상황이 있습니까? 보다 구체적으로, (일부 적절한 손실 함수와 관련하여) 모든 유한 대해 합리적인 일관된 추정량을 능가하는 불일치 추정량의 예가 있습니까?nnn
3
다중 검열 데이터에 대한 공분산 행렬의 편견 추정
환경 시료의 화학 분석은 종종보고 한계 또는 다양한 검출 / 양자 한계에서 검열됩니다. 후자는 일반적으로 다른 변수의 값에 비례하여 달라질 수 있습니다. 예를 들어, 하나의 화합물이 고농도 인 시료는 분석을 위해 희석해야하므로 해당 시료에서 동시에 분석 된 다른 모든 화합물의 검열 한계가 비례 적으로 팽창합니다. 다른 예로서, 때때로 화합물의 존재는 …
4
PCA 공간에 새로운 벡터를 투영하는 방법?
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 
4
엣지 케이스의 정밀도 및 리콜에 대한 올바른 값은 무엇입니까?
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 
1
James-Stein 추정기는 왜 "수축률"추정기로 불리는가?
James-Stein 추정기에 대해 읽었습니다. 이 노트 에서는 다음과 같이 정의 됩니다. θ^=(1−p−2∥X∥2)Xθ^=(1−p−2‖X‖2)X \hat{\theta}=\left(1 - \frac{p-2}{\|X\|^2}\right)X 나는 증거를 읽었지만 다음 진술을 이해하지 못합니다. 기하학적으로 James–Stein 추정기는 각 성분을 원점으로 축소합니다 .XXX " X의 각 구성 요소를 XXX원점으로 축소 "는 정확히 무엇을 의미합니까? 내가 좋아하는 뭔가 생각 ∥θ^−0∥2&lt;∥X−0∥2,‖θ^−0‖2&lt;‖X−0‖2,\|\hat{\theta} - 0\|^2 < \|X …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.