Als «binomial» getaggte Fragen

Die Binomialverteilung gibt die Häufigkeit von "Erfolgen" in einer festen Anzahl unabhängiger "Versuche" an. Verwenden Sie dieses Tag für Fragen zu Daten, die möglicherweise binomial verteilt sind, oder für Fragen zur Theorie dieser Verteilung.

2
Verteilung für prozentuale Daten
Ich habe eine Frage zur richtigen Verteilung, die zum Erstellen eines Modells mit meinen Daten verwendet werden soll. Ich führte eine Waldinventur mit 50 Parzellen durch, wobei jede Parzelle 20 m × 50 m misst. Für jedes Grundstück schätzte ich den Prozentsatz der Baumkronen, die den Boden beschatten. Jedes Grundstück …


1
Warum hat ein Stichprobenanteil nicht auch eine Binomialverteilung?
In einer Binomialeinstellung ist die Zufallsvariable X, die die Anzahl der Erfolge angibt, binomial verteilt. Der Stichprobenanteil kann dann als X berechnet werden wobeinIhre Stichprobengröße ist. Mein Lehrbuch besagt dasX.nXn\frac{X}{n}nnn Dieser Anteil hat keine Binomialverteilung jedoch seit ist einfach eine skalierte Version einer binomial verteilten ZufallsvariablenX, sollte sie nicht auch …

1
Gibt es eine Formel für eine allgemeine Form des Couponsammlerproblems?
Ich stolperte über das Problem der Couponsammler und versuchte, eine Formel für eine Verallgemeinerung auszuarbeiten. Wenn es verschiedene Objekte gibt und Sie mindestens Kopien von jedem von (wo ) sammeln möchten, wie hoch ist die Erwartung, wie viele zufällige Objekte Sie kaufen sollten? Das normale Couponsammlerproblem hat und .NNNkkkmmmm≤Nm≤Nm \le …



1
Wie baue ich einen innovativen Ausreißer bei Beobachtung 48 in mein ARIMA-Modell ein?
Ich arbeite an einem Datensatz. Nachdem ich einige Modellidentifikationstechniken angewendet hatte, kam ich mit einem ARIMA (0,2,1) -Modell heraus. Ich habe die detectIOFunktion im Paket TSAin R verwendet, um bei der 48. Beobachtung meines ursprünglichen Datensatzes einen innovativen Ausreißer (IO) zu erkennen . Wie kann ich diesen Ausreißer in mein …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

2
Was ist der Unterschied zwischen logit-transformierter linearer Regression, logistischer Regression und einem logistischen gemischten Modell?
Angenommen, ich habe 10 Schüler, die jeweils versuchen, 20 mathematische Probleme zu lösen. Die Probleme werden richtig oder falsch bewertet (in Langdaten) und die Leistung jedes Schülers kann durch ein Genauigkeitsmaß (in Unterdaten) zusammengefasst werden. Die folgenden Modelle 1, 2 und 4 scheinen unterschiedliche Ergebnisse zu liefern, aber ich verstehe, …


1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
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 

1
Vorhersageintervall für einen zukünftigen Anteil der Erfolge unter Binomialeinstellung
Angenommen, ich passe eine Binomialregression an und erhalte die Punktschätzungen und die Varianz-Kovarianz-Matrix der Regressionskoeffizienten. Dadurch kann ich ein CI für den erwarteten Anteil der Erfolge in einem zukünftigen Experiment erhalten, , aber ich benötige ein CI für den beobachteten Anteil. Es wurden einige verwandte Antworten veröffentlicht, darunter Simulation (nehme …


1
Testen Sie, ob zwei Stichproben von Binomialverteilungen mit demselben p übereinstimmen
Angenommen, ich habe getan: p 1 k 1n1n1n_1 unabhängige Versuche mit einer unbekannten Erfolgsrate und beobachteten Erfolgen.p1p1p_1k1k1k_1 n2n2n_2 unabhängige Versuche mit unbekannter Erfolgsrate und beobachteten Erfolgen.k 2p2p2p_2k2k2k_2 Wenn jetzt aber immer noch unbekannt, ist die Wahrscheinlichkeit , für ein gegebenes (oder umgekehrt zu beobachten, proportional zu \ int_0 ^ 1 …

1
Probleme mit einer Simulationsstudie der wiederholten Experimente Erklärung eines 95% -Konfidenzintervalls - wo mache ich Fehler?
Ich versuche, ein R-Skript zu schreiben, um die wiederholte Interpretation eines 95% -Konfidenzintervalls zu simulieren. Ich habe festgestellt, dass es den Anteil der Zeiten überschätzt, in denen der wahre Populationswert eines Anteils im 95% -KI der Stichprobe enthalten ist. Kein großer Unterschied - ungefähr 96% gegenüber 95%, aber das hat …

2
Parametrisches, semiparametrisches und nichtparametrisches Bootstrapping für gemischte Modelle
Die folgenden Transplantate stammen aus diesem Artikel . Ich bin ein Neuling im Bootstrap und versuche, das parametrische, semiparametrische und nichtparametrische Bootstrapping-Bootstrapping für ein lineares gemischtes Modell mit R bootPaket zu implementieren. R-Code Hier ist mein RCode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.