«simulation» 태그된 질문

중요한 결과 (예 : )가 얻어 질 때까지 (즉, p- .. 해킹) Type I 오류율이 증가 할 때까지 왜 데이터를 수집하는지 궁금합니다 .p < .05p<.05p \lt .05 R이 현상에 대한 시연 도 대단히 감사하겠습니다 .

60 r  hypothesis-testing  p-value  simulation  type-i-and-ii-errors 

이 질문은 메타 분석에 대한 나의 질문에 의해 동기가 부여됩니다 . 그러나 기존 게시 된 데이터 집합을 정확하게 미러링하는 데이터 집합을 만들려는 컨텍스트를 가르치는데도 유용하다고 생각합니다. 주어진 분포에서 무작위 데이터를 생성하는 방법을 알고 있습니다. 예를 들어 다음과 같은 연구 결과에 대해 읽은 경우 : 평균 102, 표준 편차 5.2 72의 …

56 r  dataset  simulation  random-generation 

나는 로지스틱 회귀에 대한 이해에서 뭔가 빠진 것을 알고 있으며 도움을 주셔서 감사합니다. 내가 이해하는 한, 로지스틱 회귀는 입력이 주어지면 '1'결과의 확률이 입력의 선형 조합이며 역 로지스틱 함수를 통과한다고 가정합니다. 이것은 다음 R 코드에서 예시됩니다. #create data: x1 = rnorm(1000) # some continuous variables x2 = rnorm(1000) z = 1 …

45 r  regression  logistic  generalized-linear-model  simulation 

이것은 매우 간단하고 멍청한 질문입니다. 그러나 학교에있을 때 수업에서 시뮬레이션의 전체 개념에 거의 관심을 기울이지 않아서 그 과정에 약간의 두려움이 생겼습니다. 평신도 용어로 시뮬레이션 프로세스를 설명 할 수 있습니까? (데이터, 회귀 계수 등을 생성 할 수 있음) 시뮬레이션을 사용할 때의 실제 상황 / 문제는 무엇입니까? R로 주어진 예제를 선호합니다.

40 simulation 

이 질문은에 관해서 @Greg 눈에 의해 주어진 답변에 대한 응답이다 질문 내가 로지스틱 회귀 및 SAS와 전력 분석에 관한 질문 Proc GLMPOWER. 실험을 설계 중이고 요인 로지스틱 회귀 분석으로 결과를 분석 할 경우 시뮬레이션 (및 여기 )을 사용하여 검정력 분석을 수행하려면 어떻게해야합니까? 다음은 두 개의 변수가있는 간단한 예입니다. 첫 번째는 …

39 r  logistic  generalized-linear-model  simulation  power-analysis 

최근에 Monte Carlo 시뮬레이션을 살펴보고 (사각형 내부의 원, 비례 영역) 와 같은 상수를 근사화하는 데 사용했습니다 .ππ\pi 그러나 Monte Carlo 통합을 사용하여 [Euler 's number]의 값을 근사하는 해당 방법을 생각할 수 없습니다 .eee 이 작업을 수행하는 방법에 대한 조언이 있습니까?

35 simulation  monte-carlo  algorithms  random-generation  numerical-integration 

예를 들어 표준 정규 분포에서 10 개의 실현과 같이 주어진 분포에서 난수를 수동으로 생성하려면 어떻게해야합니까?

30 normal-distribution  simulation  monte-carlo  random-generation  randomness 

최근에 부트 스트랩을 연구 한 결과, 여전히 퍼즐 문제가 있습니다. 모집단이 있고 모집단 속성 (예 : 을 알고 싶습니다 . 여기서 를 사용 하여 모집단을 나타냅니다. 이 는 예를 들어 인구 평균 일 수 있습니다. 일반적으로 모집단에서 모든 데이터를 얻을 수는 없습니다. 따라서 크기가 표본 를 그립니다.P θ Xθ=g(P)θ=g(P)\theta=g(P)PPPθθ\thetaXXXNNN모집단에서 N …

29 bootstrap  simulation  resampling 

GAM을 사용할 때 잔여 DF는 (코드의 마지막 줄). 그게 무슨 뜻이야? GAM 예제를 넘어 서면 일반적으로 자유도는 정수가 아닌 숫자 일 수 있습니까?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

강화 학습을 배우려고 하는데이 주제는 정말 혼란 스럽습니다. 통계를 소개했지만이 주제를 직관적으로 이해할 수 없었습니다.

23 variance  simulation  monte-carlo  unbiased-estimator  importance-sampling 

적응 형 MCMC 에 대해 읽고 있습니다 (예 : Markov Chain Monte Carlo 핸드북 4 장 , Brooks et al., 2011 및 Andrieu & Thoms, 2008 참조 ). nnnp(n)p(n)p(n)limn→∞p(n)=0limn→∞p(n)=0\lim_{n \rightarrow \infty} p(n) = 0 이 결과는 직관적이며 무증상입니다. 적응의 양은 0이되는 경향이 있기 때문에 결국 에르고 디 시티를 망칠 수 …

20 simulation  mcmc  random-generation  metropolis-hastings 

만약 알고리즘 사용할 수있는, 즉 내가 시뮬레이션 할 수있는 밀도를, 알려져있다. 생성물 경우 적분되면,이 사용이 제품 밀도에서 시뮬레이션하는 일반적인 접근법이 존재 의 시뮬레이터 ?k ∏ i = 1 f i ( x ) α if1,…,fkf1,…,fkf_1,\ldots,f_k∏i=1kfi(x)αiα1,…,αk>0∏i=1kfi(x)αiα1,…,αk>0\prod_{i=1}^k f_i(x)^{\alpha_i}\qquad \alpha_1,\ldots,\alpha_k>0fifif_i

20 simulation  monte-carlo  geometric-mean  scalability  finite-mixture-model 

공분산 행렬 (PSD (Power Spectral Densities) 및 CSD (Cross-Power Spectral Density))을 감안할 때 고정 색상 시계열 세트를 생성하는 데 문제가 있습니다. I는 주어진 두 개의 시계열 알 와이나는( t )yI(t)y_{I}(t) 및 와이J( t )yJ(t)y_{J}(t) 많은 널리 사용과 같은 루틴을 이용하여, I가 전력 스펙트럼 밀도 (PSD를) 및 크로스 스펙트럼 밀도 (CSD가)를 …

20 time-series  sampling  algorithms  simulation  covariance 

MCMC 알고리즘에는 여러 종류가 있습니다. 대도시 해 스팅 깁스 중요성 / 거부 샘플링 (관련). Metropolis-Hastings 대신 Gibbs 샘플링을 사용하는 이유는 무엇입니까? Metropolis-Hastings보다 Gibbs 샘플링에서 추론이 더 다루기 쉬운 경우가 있다고 생각하지만 구체적인 내용은 명확하지 않습니다.

20 bayesian  simulation  mcmc  gibbs  metropolis-hastings 

CrossValidated는 King and Zeng (2001) 의 희귀 사건 편향 보정을 언제 어떻게 적용 할 것인지에 대한 몇 가지 질문을 가지고 있습니다 . 바이어스가 존재한다는 최소한의 시뮬레이션 기반 데모를 통해 다른 것을 찾고 있습니다. 특히 왕과 eng 주 "... 드문 사건 데이터에서 확률의 편향은 수천의 표본 크기에서 실질적으로 의미가 있으며 예측 …

19 r  logistic  simulation  bias  rare-events