Câu hỏi được gắn thẻ «estimation»

Tôi có một vấn đề với tham số ước tính cho Zipf. Tình hình của tôi là như sau: Tôi có một bộ mẫu (được đo từ một thử nghiệm tạo các cuộc gọi nên tuân theo phân phối Zipf). Tôi phải chứng minh rằng trình tạo này thực sự …

10 distributions  estimation  pareto-distribution  zipf 

Mô hình hàm mũ là một mô hình được mô tả theo phương trình sau: yi^=β0⋅eβ1x1i+…+βkxkiyi^=β0⋅eβ1x1i+…+βkxki\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} Cách tiếp cận phổ biến nhất được sử dụng để ước tính mô hình như vậy là tuyến tính hóa, có thể được thực hiện dễ dàng bằng cách tính toán logarit của …

10 estimation  nonlinear-regression 

Vì một ví dụ đơn giản, giả sử rằng có hai mô hình hồi quy tuyến tính Mô hình 1 có ba dự đoán, x1a, x2b, vàx2c Mô hình 2 có ba dự đoán từ mô hình 1 và hai dự đoán bổ sung x2avàx2b Có một phương trình hồi …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

Đây là một đoạn trích từ "Thống kê toán học hiện đại với các ứng dụng" của Devore et al. Điều khiến tôi băn khoăn là công cụ ước tính không thể giúp phụ thuộc vào , vì mẫu phụ thuộc vào tham số.θθ\theta

10 estimation 

Tôi có một nền tảng về lập trình máy tính và lý thuyết số cơ bản, nhưng không được đào tạo thống kê thực sự và gần đây đã "phát hiện" rằng thế giới tuyệt vời của toàn bộ các kỹ thuật thực sự là một thế giới thống kê. …

10 machine-learning  estimation 

Giả sử bạn có nhật ký của một máy chủ web. Trong các bản ghi này, bạn có bộ dữ liệu loại này: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Những dấu thời gian này đại diện cho các nhấp chuột của người dùng. Bây giờ, …

10 distributions  estimation  mixture 

Tôi có một GLMM có dạng: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Khi tôi sử dụng drop1(model, test="Chi"), tôi nhận được kết quả khác với nếu tôi sử dụng Anova(model, type="III")từ gói xe hơi hoặc summary(model). Hai cái sau cho cùng một …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Theo luật (yếu / mạnh) của số lượng lớn, được cho một số điểm mẫu iid của một phân phối, mẫu của chúng có nghĩa là hội tụ đến phân phối có nghĩa là cả xác suất và như, như cỡ mẫu đi đến vô cùng.{xi∈Rn,i=1,…,N}{xi∈Rn,i=1,…,N}\{x_i \in \mathbb{R}^n, i=1,\ldots,N\}f∗({xi,i=1,…,N}):=1N∑Ni=1xif∗({xi,i=1,…,N}):=1N∑i=1Nxif^*(\{x_i, i=1,\ldots,N\}):=\frac{1}{N} …

10 estimation  expected-value  law-of-large-numbers 

Chúng tôi biết từ lý thuyết đo lường rằng có những sự kiện không thể đo lường được, tức là chúng không thể đo lường được Lebesgue. Chúng ta gọi một sự kiện với xác suất mà phép đo xác suất không được xác định là gì? Những loại tuyên …

10 probability  estimation 

Đưa ra các mẫu iid từ phân phối gaussian và công cụ ước lượng M, , những thuộc tính nào trên có đủ để đảm bảo trong xác suất? Là đang lồi lõm và tăng đủ nghiêm ngặt?X1,...,Xn∼N(μ,σ)X1,...,Xn∼N(μ,σ)X_1,...,X_n \sim N(\mu,\sigma) μm=argmina∑ρ(|Xi−a|)μm=argmina∑ρ(|Xi−a|)\mu_m = \underset{a}{\operatorname{argmin}} \sum\rho(|X_i-a|)ρρ\rhoμm→μμm→μ\mu_m \rightarrow \muρρ\rho

10 estimation 

Đặt là iid các biến ngẫu nhiên có pdfX1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) trong đó . Đưa UMVUE của và tính toán phương sai của nóθ>0θ>0\theta >01θ1θ\frac{1}{\theta} Tôi đã tìm hiểu về hai phương pháp như vậy để thu được UMVUE: Giới hạn Cramer-Rao (CRLB) …

10 self-study  estimation  inference  exponential-family  umvue 

Tôi muốn thử nghiệm một số ý tưởng của tôi mà tôi nghĩ là tốt hơn bất cứ điều gì tôi đã thấy. Tôi có thể sai nhưng tôi muốn kiểm tra ý tưởng của mình và xóa tan nghi ngờ của tôi bằng những quan sát chắc chắn hơn. …

10 hypothesis-testing  estimation  pdf  kernel-smoothing  model-evaluation 

Đặt là một mẫu ngẫu nhiên trong phân phối cho . I E,X1,...,XnX1,...,Xn X_1, ...,X_nGeometric(θ)Geometric(θ)Geometric(\theta)0&lt;θ&lt;10&lt;θ&lt;10<\theta<1 pθ( X ) = θ ( 1 - θ )x - 1Tôi{ 1 , 2 , . . . }( x )pθ(x)=θ(1−θ)x−1I{1,2,...}(x)p_{\theta}(x)=\theta(1-\theta)^{x-1} I_{\{1,2,...\}}(x) Tìm công cụ ước tính không thiên vị với phương sai tối …

10 probability  self-study  estimation  unbiased-estimator  exponential-family 

Tôi có một số dữ liệu và đã cố gắng để phù hợp với một đường cong trơn tru với nó. Tuy nhiên, tôi không muốn thực thi quá nhiều niềm tin trước đó hoặc những quan niệm trước quá mạnh mẽ (ngoại trừ những điều được ngụ ý bởi …

10 estimation  nonparametric  references 

Chúng tôi có N mẫu, , từ phân phối đồng đều trong đó không xác định. Ước tính từ dữ liệu.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Vì vậy, quy tắc của Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} và khả năng là: 0≤Xi≤θif(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (chỉnh sửa: khi cho tất cả và 0 khác …

10 bayesian  estimation  uniform  uninformative-prior