Câu hỏi được gắn thẻ «inference»

Rút ra kết luận về các thông số dân số từ dữ liệu mẫu. Xem https://en.wikipedia.org/wiki/Inference và https://en.wikipedia.org/wiki/Statistic_inference

2
Một vấn đề về ước tính của các tham số
Hãy Y1,Y2,Y3Y1,Y2,Y3Y_1,Y_2,Y_3 và Y4Y4Y_4 có bốn biến ngẫu nhiên mà E(Y1)=θ1−θ3; E(Y2)=θ1+θ2−θ3; E(Y3)=θ1−θ3; E(Y4)=θ1−θ2−θ3E(Y1)=θ1−θ3; E(Y2)=θ1+θ2−θ3; E(Y3)=θ1−θ3; E(Y4)=θ1−θ2−θ3E(Y_1)=\theta_1-\theta_3;\space\space E(Y_2)=\theta_1+\theta_2-\theta_3;\space\space E(Y_3)=\theta_1-\theta_3;\space\space E(Y_4)=\theta_1-\theta_2-\theta_3 , nơiθ1,θ2,θ3θ1,θ2,θ3\theta_1,\theta_2,\theta_3 là các thông số chưa biết. Cũng giả định rằngVar(Yi)=σ2Var(Yi)=σ2Var(Y_i)=\sigma^2 ,i=1,2,3,4.i=1,2,3,4.i=1,2,3,4. Sau đó, cái nào là đúng? A. θ1,θ2,θ3θ1,θ2,θ3\theta_1,\theta_2,\theta_3 là đáng mến. B. θ1+θ3θ1+θ3\theta_1+\theta_3 là đáng mến. C. …
3
Tại sao dấu vết của là trong hồi quy bình phương nhỏ nhất khi vectơ tham số có kích thước p?
Trong mô hình , chúng tôi có thể ước tính bằng phương trình bình thường.y=Xβ+ϵy=Xβ+ϵ{y} = X \beta + \epsilonββ\beta y =X β .β^=(X′X)−1X′y,β^=(X′X)−1X′y,\hat{\beta} = (X'X)^{-1}X'y, và chúng tôi có thể nhận đượcy^=Xβ^.y^=Xβ^.\hat{y} = X \hat{\beta}. Vectơ của phần dư được ước tính bởi ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,\hat{\epsilon} = y - X \hat{\beta} …
1
Các tỷ lệ khả năng và so sánh mô hình Bayes có cung cấp các lựa chọn thay thế vượt trội và đủ để kiểm tra giả thuyết không?
Để đáp ứng với một nhóm các nhà thống kê và nhà nghiên cứu đang chỉ trích rằng tiện ích của kiểm tra giả thuyết null (NHT) đối với khoa học là một nỗ lực tích lũy, Lực lượng đặc nhiệm của Hiệp hội Tâm lý học Hoa Kỳ đã …
2
Làm cách nào để xác định Vùng từ chối khi không có UMP?
Hãy xem xét mô hình hồi quy tuyến tính y=Xβ+uy=Xβ+u\mathbf{y}=\mathbf{X\beta}+\mathbf{u} , u∼N(0,σ2I)u∼N(0,σ2I)\mathbf{u}\sim N(\mathbf{0},\sigma^2\mathbf{I}) , E(u∣X)=0E(u∣X)=0E(\mathbf{u}\mid\mathbf{X})=\mathbf{0} . Hãy H0:σ20=σ2H0:σ02=σ2H_0: \sigma_0^2=\sigma^2 vs H1:σ20≠σ2H1:σ02≠σ2H_1: \sigma_0^2\neq\sigma^2 . Chúng ta có thể suy ra rằng yTMXyσ2∼χ2(n−k)yTMXyσ2∼χ2(n−k)\frac{\mathbf{y}^T\mathbf{M_X}\mathbf{y}}{\sigma^2}\sim \chi^2(n-k), nơidim(X)=n×kdim(X)=n×kdim(\mathbf{X})=n\times k. VàMXMX\mathbf{M_X}là ký hiệu đặc trưng cho ma trận Annihilator,MXy=y^MXy=y^\mathbf{M_X}\mathbf{y}=\hat{\mathbf{y}} , nơi y là biến phụ thuộcythụt …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.