«frequentist» 태그된 질문

누군가 베이지안과 잦은 확률 접근 방법의 차이점을 잘 설명 할 수 있습니까? 내가 이해 한 것에서 : 잦은 주의자들은 데이터가 특정 빈도 / 확률 (시험 횟수가 무한대에 가까워 질 때 사건의 상대 빈도로 정의 됨)을 갖는 반복 가능한 랜덤 표본 (임의 변수)이라는 점입니다. 기본 파라미터 확률이 반복 과정과 편차의 변화에 …

37 probability  bayesian  frequentist 

외부인으로서 통계적 추론을 수행하는 방법에 대한 두 가지 경쟁 견해가있는 것으로 보입니다. 작업 통계학자가 두 가지 방법을 모두 유효한 것으로 간주합니까? 하나를 선택하는 것이 더 철학적 인 질문으로 간주됩니까? 아니면 현재의 상황이 문제가되고 다른 접근법을 어떻게 통일하려고합니까?

37 bayesian  frequentist 

여기에서 찾을 수있는 데이터 과학 과정에 대한 강의 슬라이드를보고 있습니다. https://github.com/cs109/2015/blob/master/Lectures/01-Introduction.pdf 안타깝게도이 강의에 대한 비디오를 볼 수 없으며 슬라이드의 어느 시점에서 발표자가 다음과 같은 텍스트를 가지고 있습니다. 일부 주요 원칙 베이지안처럼 생각하고, Frequentist처럼 확인하십시오 (조정) 그게 실제로 무엇을 의미하는지 아는 사람이 있습니까? 이 두 가지 생각 학교에 대해 좋은 통찰력이 …

35 bayesian  data-mining  frequentist 

나는 현재 고등학교에 다니는 소년들을 도와 통계를 이해하고 있으며 이론에 대한 약간의 무시를 무시하지 않고 간단한 예를 시작하는 것을 고려하고 있습니다. 저의 목표는 통계와 양적 학습에 대한 관심을 높이기 위해 처음부터 통계를 배울 수있는 가장 직관적이지만 도구 적으로 구성적인 접근 방식을 제공하는 것입니다. 그러나 시작하기 전에 매우 일반적인 의미를 가진 …

32 probability  hypothesis-testing  bayesian  frequentist  teaching 

Morey et al (2015)은 신뢰 구간은 오도의 소지가 있으며 이들에 대한 이해와 관련하여 여러 가지 편견이 있다고 주장한다. 그중에서도 정확성 오류는 다음과 같이 설명합니다. 정밀도 오류 신뢰 구간의 너비는 모수에 대한 지식의 정밀도를 나타냅니다. 좁은 신뢰 구간은 정확한 지식을 나타내고 넓은 신뢰 오차는 부정확 한 지식을 나타냅니다. 추정의 정밀도와 신뢰 …

31 bayesian  confidence-interval  frequentist  precision 

예를 들어 내 문제를 설명하겠습니다. {나이, 성별, 국가, 지역, 도시}와 같은 속성이 주어진 개인의 소득을 예측한다고 가정합니다. 당신은 이와 같은 훈련 데이터 세트를 가지고 있습니다 train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID Age …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

설명적인 '거짓 양성'에서 정수 '1'까지 간접적 인 수준의 간접적 인 도입의 동기는 무엇입니까? '거짓 양성'이 너무 길습니까?

21 terminology  frequentist  type-i-and-ii-errors 

일부 출처는 우도 함수가 조건부 확률이 아니라고 말합니다. 이것은 나에게 매우 혼란 스럽다. 내가 본 대부분의 출처에 따르면, 매개 변수 를 갖는 분포 의 가능성 은 샘플이 주어질 확률 질량 함수의 곱이어야합니다 .n x iθθ\thetannnxixix_i L ( θ ) = L ( x1, x2, . . . , x엔; θ …

21 probability  bayesian  conditional-probability  likelihood  frequentist 

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 

많은 회귀 모델 사양 (예 : OLS)이 데이터 집합의 가능성으로 간주 될 때 여러 비교 문제가 발생하고 p- 값과 신뢰 구간이 더 이상 신뢰할 수 없다고 들었습니다. 이에 대한 한 가지 극단적 인 예는 단계적 회귀입니다. 데이터 자체를 사용하여 모델을 지정하는 데 도움이되는시기는 언제이며 이것이 올바른 방법이 아닌 경우는 언제입니까? …

20 regression  frequentist  multiple-comparisons 

나는 Jaynes가 잦은 주의자들이 "암시 적 이전"으로 작동한다고 주장하는 것을 들었다. 이러한 암시 적 선행은 무엇입니까? 이것은 잦은 모델이 베이지안 모델의 모든 특수 사례가 발견되기를 기다리는 것을 의미합니까?

19 bayesian  prior  posterior  frequentist 

저에게 빈번한 통계는 가능한 모든 샘플에 적합한 결정을 내리는 데 동의합니다. 즉, 잦은 의사 결정 규칙 는 항상 잦은 위험을 최소화하려고 노력해야한다. 이는 손실 함수 과 진정한 자연 상태 .δδ\delta엘엘Lθ0θ0\theta_0 아르 자형에프r e q= Eθ0( L ( θ0, δ( Y) )아르 자형에프아르 자형이자형큐=이자형θ0(엘(θ0,δ(와이))R_\mathrm{freq}=\mathbb{E}_{\theta_0}(L(\theta_0,\delta(Y)) 최대 우도 추정은 잦은 위험과 어떤 관련이 …

19 maximum-likelihood  frequentist 

최근에 여기 에 게시 된 의견 에서 한 의견 자는 Larry Wasserman 이 블로그를 가리키며이 기사는 빈번한 추론이 우연의 원칙과 충돌한다고 지적합니다. 우도 원칙은 단순히 유사한 우도 함수를 생성하는 실험에서도 유사한 추론이 이루어져야한다고 말합니다. 이 질문의 두 부분 : 빈번한 추론의 어떤 부분, 풍미 또는 학교가 구체적으로 가능성 원칙을 위반합니까? …

19 inference  likelihood  frequentist  likelihood-principle 

회의에 참석하는 동안 실험 결과를 평가하기위한 베이지안 통계의 옹호자들에 의해 약간의 추진이있었습니다. 그것은 잦은 통계보다 진지한 결과에 대한 민감성, 적절성 및 선택성 모두로 희미합니다. 나는이 주제를 어느 정도 살펴 보았고 지금까지 베이지안 통계를 사용할 때의 이점에 대해서는 확신이 없다. 그러나 베이지안 분석은 인식을 뒷받침하는 Daryl Bem 의 연구 를 반박하는 …

19 bayesian  power  frequentist 

나는 베이지안 기법에 대해 정말로 배우고 싶어서 나 자신을 조금 가르치려고 노력했다. 그러나 베이지안 기법을 사용할 때 Frequentist 방법보다 이점을 얻는 데 어려움을 겪고 있습니다. 예를 들어, 나는 일부 사람들이 유익한 정보를 사용하는 반면 다른 사람들은 비 정보적인 정보를 사용하는 방법에 대해 조금 보았습니다. 그러나 당신이 정보가없는 이전을 사용하고 있고 …

18 bayesian  frequentist