bootstrap पर टैग किए गए जवाब

बूटस्ट्रैप एक सांख्यिकीय के नमूना वितरण का अनुमान लगाने के लिए एक पुनरुत्पादन विधि है।

1
बूटस्ट्रैप: अनुमान विश्वास अंतराल के बाहर है
मैंने एक मिश्रित मॉडल के साथ बूटस्ट्रैपिंग किया (इंटरैक्शन और एक यादृच्छिक चर के साथ कई चर)। मुझे यह परिणाम मिला (केवल आंशिक): > boot_out ORDINARY NONPARAMETRIC BOOTSTRAP Call: boot(data = a001a1, statistic = bootReg, R = 1000) Bootstrap Statistics : original bias std. error t1* 4.887383e+01 -1.677061e+00 4.362948e-01 t2* …

2
क्या मुझे क्लस्टर स्तर या व्यक्तिगत स्तर पर बूटस्ट्रैप करना चाहिए?
मेरे पास अस्पतालों में निहित रोगियों के साथ एक अस्तित्व मॉडल है जिसमें अस्पतालों के लिए यादृच्छिक-प्रभाव शामिल है। यादृच्छिक प्रभाव गामा-वितरित है, और मैं इस शब्द की 'प्रासंगिकता' को उस पैमाने पर रिपोर्ट करने की कोशिश कर रहा हूं जो आसानी से समझ में आता है। मुझे निम्नलिखित संदर्भ …

2
क्या मैं बूटस्ट्रैपिंग का उपयोग कर सकता हूं, क्यों या क्यों नहीं?
मैं वर्तमान में उपग्रह इमेजरी का उपयोग करके बायोमास अनुमानों पर काम कर रहा हूं। मैं जल्दी से अपने प्रश्न की पृष्ठभूमि को परिभाषित करूँगा, और फिर उस सांख्यिकीय प्रश्न की व्याख्या करूँगा जिस पर मैं काम कर रहा हूँ। पृष्ठभूमि मुसीबत मैं फ्रांस में एक क्षेत्र पर बायोमास का …
10 bootstrap 

1
अनोवा (और ड्रॉप 1) जीएलएमएम के लिए अलग-अलग उत्तर क्यों प्रदान करते हैं?
मेरे पास फॉर्म का GLMM है: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) जब मैं उपयोग करता हूं drop1(model, test="Chi"), तो मुझे Anova(model, type="III")कार के पैकेज से उपयोग करने की तुलना में अलग-अलग परिणाम मिलते हैं या summary(model)। ये उत्तरार्द्ध दो ही जवाब …
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 

2
पुनर्लेखन के लिए अच्छा पाठ?
क्या समूह लागू रेज़म्पलिंग तकनीकों के लिए एक अच्छा परिचय पाठ / संसाधन सुझा सकता है? विशेष रूप से, मैं समूहों की तुलना करने के लिए शास्त्रीय पैरामीट्रिक परीक्षणों (जैसे टी परीक्षण, एनोवा, एएनसीओवीए) के विकल्पों में दिलचस्पी रखता हूं, जब सामान्यता जैसी धारणाओं का स्पष्ट रूप से उल्लंघन होता …

2
पदानुक्रमित डेटा से विश्वास अंतराल प्राप्त करना और व्याख्या करना
मैं मात्रा X पर बूटस्ट्रैप्ड आत्मविश्वास अंतराल प्राप्त करने में रुचि रखता हूं, जब यह मात्रा प्रत्येक 10 व्यक्तियों में 10 बार मापी जाती है। एक दृष्टिकोण प्रति व्यक्ति के माध्यम से प्राप्त करना है, फिर साधन को बूटस्ट्रैप करें (जैसे प्रतिस्थापन के साथ साधनों को फिर से जोड़ना)। एक …

3
बूटस्ट्रैप रिग्रेशन से गुणांक के पी-मान कैसे प्राप्त करें?
रॉबर्ट काबाकोफ के क्विक-आर से # Bootstrap 95% CI for regression coefficients library(boot) # function to obtain regression weights bs <- function(formula, data, indices) { d <- data[indices,] # allows boot to select sample fit <- lm(formula, data=d) return(coef(fit)) } # bootstrapping with 1000 replications results <- boot(data=mtcars, statistic=bs, R=1000, …

3
बूटस्ट्रैपिंग अवशिष्ट: क्या मैं इसे सही कर रहा हूं?
सबसे पहले: मैंने जो समझा, उसमें से बूटस्ट्रैपिंग अवशिष्ट काम करता है: फिट मॉडल डेटा के लिए अवशिष्टों की गणना करें अवशिष्टों को फिर से भरें और उन्हें 1 में जोड़ें। 3 से नए डाटासेट के लिए फिट मॉडल। बार- nबार दोहराएं , लेकिन 1 से फिट किए गए रेजिड्यूलेटेड …

1
मुझे कौन सा बूटस्ट्रैप्ड प्रतिगमन मॉडल चुनना चाहिए?
मेरे पास एक बाइनरी लॉजिस्टिक रिग्रेशन मॉडल है DV (बीमारी: हाँ / नहीं) और 5 भविष्यवक्ता (जनसांख्यिकी [आयु, लिंग, तंबाकू धूम्रपान) (हाँ / नहीं)], एक मेडिकल इंडेक्स (क्रमिक) और एक यादृच्छिक उपचार [हाँ / नहीं ])। मैंने सभी दो तरफा बातचीत की शर्तों को भी रखा है। मुख्य चर केंद्रित …

1
रेखीय प्रतिगमन श्रेणीगत चर "छिपा हुआ" मान
यह सिर्फ एक उदाहरण है कि मैं कई बार आया हूं, इसलिए मेरे पास कोई नमूना डेटा नहीं है। R में एक रैखिक प्रतिगमन मॉडल चलाना: a.lm = lm(Y ~ x1 + x2) x1एक सतत चर है। x2श्रेणीबद्ध है और इसके तीन मान हैं "उदा", "मध्यम" और "उच्च"। हालाँकि R …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

1
कौन सा गहन शिक्षण मॉडल उन श्रेणियों को वर्गीकृत कर सकता है जो पारस्परिक रूप से अनन्य नहीं हैं
उदाहरण: मेरे पास नौकरी के विवरण में एक वाक्य है: "यूके में जावा वरिष्ठ इंजीनियर"। मैं इसे 2 श्रेणियों के रूप में भविष्यवाणी करने के लिए एक गहरे शिक्षण मॉडल का उपयोग करना चाहता हूं: English और IT jobs। यदि मैं पारंपरिक वर्गीकरण मॉडल का उपयोग करता हूं, तो यह …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

1
संभावना है कि बूटस्ट्रैप नमूना मूल नमूने के समान ही है
बस कुछ तर्क की जाँच करना चाहते हैं। यदि मेरा मूल नमूना आकार और मैं इसे बूटस्ट्रैप करता हूं, तो मेरी विचार प्रक्रिया इस प्रकार है:nnn 1n1n\frac{1}{n} मूल नमूने से निकाले गए किसी भी अवलोकन का मौका है। यह सुनिश्चित करने के लिए कि अगला ड्रा पूर्व नमूना अवलोकन नहीं …

2
बूटस्ट्रैप नमूनों का आकार
मैं एक नमूना सांख्यिकीय के विचरण का अनुमान लगाने के साधन के रूप में बूटस्ट्रैपिंग के बारे में सीख रहा हूं। मुझे एक बुनियादी संदेह है। Http://web.stanford.edu/class/psych252/tutorials/doBootstrapPrimer.pdf से उद्धरण : • हमें कितनी टिप्पणियों को फिर से भरना चाहिए? एक अच्छा सुझाव मूल नमूना आकार है। मूल नमूने में हम …

2
एक रैखिक प्रतिगमन में x- अवरोधन के विश्वास अंतराल की गणना कैसे करें?
चूंकि एक रैखिक प्रतिगमन की मानक त्रुटि आमतौर पर प्रतिक्रिया चर के लिए दी जाती है, मैं सोच रहा हूं कि अन्य दिशा में आत्मविश्वास अंतराल कैसे प्राप्त करें - जैसे कि एक्स-इंटरसेप्ट। मैं कल्पना कर सकता हूं कि यह क्या हो सकता है, लेकिन मुझे यकीन है कि ऐसा …

1
बहु प्रतिगमन करते समय पिछड़ा उन्मूलन क्यों उचित है?
क्या यह ओवर-फिटिंग में परिणाम नहीं करता है? क्या मेरे परिणाम अधिक विश्वसनीय होंगे यदि मैंने विश्लेषण के एक भाग के रूप में जैक-चाकू या बूटस्ट्रैप प्रक्रिया को जोड़ा?

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.