estimation पर टैग किए गए जवाब

एक साधारण उदाहरण के लिए मान लें कि दो रैखिक प्रतिगमन मॉडल हैं मॉडल 1 है तीन भविष्यवक्ताओं, x1a, x2b, औरx2c मॉडल 2 में मॉडल 1 से तीन और दो अतिरिक्त भविष्यवक्ता हैं x2aऔरx2b वहाँ एक जनसंख्या प्रतिगमन समीकरण जहां जनसंख्या विचरण समझाया है मॉडल 1 के लिए और मॉडल …

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 

यह देवोर एट अल द्वारा "अनुप्रयोगों के साथ आधुनिक गणितीय सांख्यिकी" का एक अंश है। क्या मुझे पहेली है कि आकलनकर्ता पर निर्भर जा रहा है मदद नहीं कर सकता है , के बाद से नमूना पैरामीटर पर निर्भर करता है।θθ\theta

10 estimation 

मेरे पास कंप्यूटर प्रोग्रामिंग और प्राथमिक संख्या सिद्धांत में एक पृष्ठभूमि है, लेकिन कोई वास्तविक सांख्यिकी प्रशिक्षण नहीं है, और हाल ही में "खोज" किया है कि पूरी तकनीक की अद्भुत दुनिया वास्तव में एक सांख्यिकीय दुनिया है। ऐसा लगता है कि मैट्रिक्स कारक, मैट्रिक्स पूर्णता, उच्च आयामी टेनर्स, एम्बेडिंग, …

10 machine-learning  estimation 

मान लीजिए कि आपके पास एक वेब सर्वर के लॉग हैं। इन लॉग में आपके पास इस तरह के ट्यूल हैं: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... ये टाइमस्टैम्प्स यूज़र्स के क्लिक का प्रतिनिधित्व करते हैं। अब, user1महीने के दौरान कई बार (सत्र) साइट पर …

10 distributions  estimation  mixture 

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 

बड़ी संख्या के (कमजोर / मजबूत) कानून द्वारा, कुछ iid नमूना अंक दिए गए एक वितरण का, उनके नमूने का मतलब वितरण का अभिप्राय दोनों संभाव्यता में और जैसा कि नमूना आकार अनंत तक जाता है।{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} \sum_{i=1}^N x_i NNN जब नमूना आकार तय हो जाता है, …

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

हम माप सिद्धांत से जानते हैं कि ऐसी घटनाएं हैं जो मापी नहीं जा सकती हैं, अर्थात वे लेब्सगेग मापने योग्य नहीं हैं। किसी घटना को हम किस संभावना के साथ कहते हैं कि प्रायिकता माप को परिभाषित नहीं किया जाता है? इस तरह की घटना के बारे में हम …

10 probability  estimation 

एक गाऊसी वितरण और M-अनुमानक, से iid नमूने दिए। , पर कौन से गुण संभावना में गारंटी देने के लिए पर्याप्त हैं ? क्या सख्ती से उत्तल हो रहा है और सख्ती से पर्याप्त बढ़ रहा है?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 

मुझे जिप्फ़ के लिए अनुमान पैरामीटर के साथ एक समस्या है। मेरी स्थिति निम्नलिखित है: मेरे पास एक नमूना सेट है (एक प्रयोग से मापा जाता है जो कॉल उत्पन्न करता है जिसे एक ज़िप वितरण का पालन करना चाहिए)। मुझे प्रदर्शित करना है कि यह जनरेटर वास्तव में ज़िप …

10 distributions  estimation  pareto-distribution  zipf 

एक घातीय मॉडल समीकरण का अनुसरण करके वर्णित मॉडल है: yमैं^= β0⋅ ईβ1एक्स1 मैं+ … + Βकएक्सk iyमैं^=β0⋅इβ1एक्स1मैं+...+βकएक्सकमैं\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} इस तरह के मॉडल का अनुमान लगाने के लिए उपयोग किया जाने वाला सबसे आम दृष्टिकोण रैखिककरण है, जिसे दोनों पक्षों के लघुगणकों की गणना करके आसानी से किया जा सकता …

10 estimation  nonlinear-regression 

चलो X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n यादृच्छिक होने के लिए पीडीएफ होने चर 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) कहाँ पे θ>0θ>0\theta >0। का UMVUE दें1θ1θ\frac{1}{\theta} और इसके विचरण की गणना करें मैंने UMVUE के लिए दो ऐसे तरीकों के बारे में सीखा है: क्रामर-राव लोअर बाउंड (CRLB) लेहमैन-शेफ़े थोम मैं …

10 self-study  estimation  inference  exponential-family  umvue 

मैं अपने कुछ विचारों का परीक्षण करना चाहता हूं जो मुझे लगता है कि मैंने जो कुछ भी देखा है, उससे बेहतर है। मैं गलत हो सकता हूं लेकिन मैं अपने विचारों का परीक्षण करना चाहता हूं और कुछ निश्चित टिप्पणियों द्वारा अपने संदेह को मिटा देना चाहता हूं। मैं …

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

मैं वर्तमान में पर्ल के टुकड़े (पर्ल, 2009, 2 डी संस्करण) को एक मॉडल और वास्तविक आकलन के गैर-समरूप पहचान के बीच लिंक स्थापित करने के लिए कारण और संघर्ष पर पढ़ रहा हूं। दुर्भाग्य से, पर्ल खुद इस विषय पर बहुत चुप हैं। एक उदाहरण देने के लिए, मेरे …

10 estimation  references  causality 

चलोX1,...,XnX1,...,Xn X_1, ...,X_n एक यादृच्छिक नमूना एक वितरण फ़ोम होना Geometric(θ)Geometric(θ)Geometric(\theta) के लिये 0&lt;θ&lt;10&lt;θ&lt;10<\theta<1। अर्थात, pθ(x)=θ(1−θ)x−1I{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) के लिए न्यूनतम विचरण के साथ निष्पक्ष अनुमानक का पता लगाएं g(θ)=1θg(θ)=1θg(\theta)=\frac{1}{\theta} मेरा प्रयास: चूंकि ज्यामितीय वितरण घातीय परिवार से है, आंकड़े ∑Xi∑Xi\sum X_i के लिए पूर्ण और पर्याप्त है θθ \theta। इसके …

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

मेरे पास कुछ डेटा है और मैं इसे एक चिकनी वक्र फिट करने की कोशिश कर रहा था। हालाँकि, मैं इस पर (या मेरे प्रश्न के बाकी हिस्सों द्वारा निहित लोगों को छोड़कर) बहुत अधिक पूर्व मान्यताओं या बहुत मजबूत पूर्व-धारणाओं को लागू नहीं करना चाहता हूं या कोई विशिष्ट …

10 estimation  nonparametric  references