sampling पर टैग किए गए जवाब

एक संभावित वितरण और / या एक निर्दिष्ट वितरण से यादृच्छिक संख्या का उपयोग करके अच्छी तरह से निर्दिष्ट आबादी से नमूने बनाना। जैसा कि यह टैग अस्पष्ट है, कृपया पूर्व के लिए [सर्वेक्षण-नमूनाकरण] और बाद के लिए [मोंटे-कार्लो] या [सिमुलेशन] पर विचार करें। ज्ञात वितरण से यादृच्छिक नमूने बनाने के बारे में प्रश्नों के लिए, कृपया [यादृच्छिक-पीढ़ी] टैग का उपयोग करने पर विचार करें।

2
छोटे नमूने-आकार के डेटा के लिए प्रशिक्षण, क्रॉस-सत्यापन, और परीक्षण सेट आकार कैसे चुनें?
मान लें कि मेरे पास एक छोटा नमूना आकार है, जैसे कि एन = 100, और दो वर्ग। मुझे मशीन लर्निंग के लिए प्रशिक्षण, क्रॉस-सत्यापन, और परीक्षण सेट आकार कैसे चुनना चाहिए? मैं सहजता से चुनूंगा प्रशिक्षण सेट आकार 50 के रूप में क्रॉस सत्यापन सेट आकार 25, और 25 …
3
अमेरिकी समुदाय सर्वेक्षण विविधता डेटा को फिर से भारित करने में त्रुटि के मार्जिन को कैसे प्रभावित करेगा?
पृष्ठभूमि: मेरा संगठन वर्तमान में अमेरिकी श्रम सर्वेक्षण (अमेरिकी जनगणना ब्यूरो द्वारा एक सर्वेक्षण परियोजना) के आधार पर उन समूहों के लिए कुल श्रम शक्ति उपलब्धता के लिए अपने कर्मचारियों की विविधता के आंकड़ों (विकलांगों,% महिलाओं,% दिग्गजों) के साथ तुलना करता है। यह एक गलत मानदंड है, क्योंकि हमारे पास …
1
गॉसियन उच्च आदेश क्षणों के साथ वितरण की तरह
अज्ञात माध्य और विचरण के साथ गौसियन वितरण के लिए, मानक घातांक परिवार के रूप में पर्याप्त आँकड़े । मैं एक वितरण है कि है टी ( x ) = ( एक्स , एक्स 2 , । । । , X 2 एन )टी( x ) = ( x , …
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 
3
उच्च-आयामी फ़ंक्शन के अपेक्षित मूल्य का मूल्यांकन करने के लिए MCMC का उपयोग करना
मैं एक शोध परियोजना पर काम कर रहा हूं जो अनुकूलन से संबंधित है और हाल ही में इस सेटिंग में एमसीएमसी का उपयोग करने का विचार था। दुर्भाग्य से, मैं MCMC विधियों के लिए काफी नया हूं इसलिए मेरे पास कई प्रश्न थे। मैं समस्या का वर्णन करके और …
2
गैर-नकारात्मक पूर्णांक पर असतत वितरण से नमूना कैसे लें?
मेरे पास निम्न असतत वितरण है, जहां ज्ञात स्थिरांक हैं:α,βα,β\alpha,\beta p(x;α,β)=Beta(α+1,β+x)Beta(α,β)for x=0,1,2,…p(x;α,β)=Beta(α+1,β+x)Beta(α,β)for x=0,1,2,… p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)} \;\;\;\;\text{for } x = 0,1,2,\dots इस वितरण से कुशलता से नमूना लेने के लिए कुछ दृष्टिकोण क्या हैं?
3
गैर-यादृच्छिक नमूने का रैंडमाइजेशन
प्रायोगिक अध्ययन में भाग लेने के लिए मनोवैज्ञानिक विज्ञापनों को देखकर मैं हमेशा थोड़ा आश्चर्यचकित रह जाता हूं। निश्चित रूप से, जो लोग इन विज्ञापनों का जवाब देते हैं, वे बेतरतीब ढंग से नमूना नहीं होते हैं और इसलिए वे स्व-चयनित आबादी हैं। क्योंकि यह ज्ञात है कि यादृच्छिककरण स्व-चयन …
2
मोंटे कार्लो नमूनाकरण के लिए मार्कोव श्रृंखला "सर्वश्रेष्ठ" नमूना आधारित है? क्या कोई वैकल्पिक योजनाएं उपलब्ध हैं?
मार्कोव चेन मोंटे कार्लो मार्कोव श्रृंखलाओं पर आधारित एक विधि है जो हमें गैर-मानक वितरण से नमूने (एक मोंटे कार्लो सेटिंग में) प्राप्त करने की अनुमति देती है जिससे हम सीधे नमूने नहीं खींच सकते हैं। मेरा सवाल है कि मोंटे कार्लो नमूनाकरण के लिए मार्कोव श्रृंखला "अत्याधुनिक" क्यों है। …
1
फोन बुक से नमूना लेने के बारे में एक कहानी का संदर्भ
मैं आज किसी के साथ नमूने के बारे में बात कर रहा था और एक विशेष कानूनी मामले में फोन बुक से व्यवस्थित नमूना लेने की सिफारिश करने वाले कुछ बहुत ही सम्मानित सांख्यिकीविदों के बारे में एक कहानी याद है। मुझे याद है कि अदालत में जज की तरह …
4
समानांतर में प्रतिरोधों की भिन्नता
मान लीजिए कि आपके पास रेसिस्टर्स R का एक सेट है, जो सभी माध्य μ और विचरण mean के साथ वितरित किए गए हैं। निम्नलिखित लेआउट वाले सर्किट के एक सेक्शन पर विचार करें: (r) || (r + r) || (आर + r + r)। प्रत्येक भाग का बराबर प्रतिरोध …
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 
2
बड़े समग्र डेटासेट से प्रतिनिधि नमूना कैसे सेट करें?
नमूना सेट बनाने के लिए सांख्यिकीय तकनीक क्या हैं, जो पूरी आबादी का प्रतिनिधि है (ज्ञात आत्मविश्वास स्तर के साथ)? इसके अलावा, कैसे सत्यापित करें, यदि नमूना समग्र डेटासेट में फिट बैठता है? क्या यह संभव है, संपूर्ण डेटासेट को पार्स किए बिना (जो अरबों रिकॉर्ड हो सकते हैं)?
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 …
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.