Ein Konfidenzintervall ist ein Intervall, das einen unbekannten Parameter mit abdeckt ( 1 - α ) %Vertrauen. Konfidenzintervalle sind ein häufig vorkommendes Konzept. Sie werden oft mit glaubwürdigen Intervallen verwechselt, was das Bayes'sche Analogon ist.
Kann mich jemand auf eine theoretische Referenz zum Bootstrapping einer Stichprobe verweisen, die einer Population bekannter Größe entnommen wurde? Ich bin es gewohnt, Bootstrap zu verwenden, um Konfidenzintervalle einer Stichprobe zu berechnen, wenn die Populationsgröße als viel größer als die Stichprobe angesehen wird (daher sollte eine zufällige Auswahl mit Wiederholung …
In diesem Blog-Beitrag diskutieren die Autoren die gleichzeitige Schätzung von Quantilen und die Erstellung einer simultanen Konfidenzhüllkurve für die Schätzung, die die gesamte Quantilfunktion abdeckt. Sie tun dies, indem sie Bootstrapping durchführen und dann punktweise Bootstrap-Konfidenzintervalle berechnen und eine Bonferroni-Typkorrektur für mehrere Vergleiche anwenden. Da die Vergleiche nicht unabhängig sind, …
Betrachten Sie ein Modell mit einem interessierenden Parameter. θθ\thetaund sein Punktschätzer, θ^θ^\hat\theta. Nehmen Sie der Einfachheit halber an θ^∼N(θ,σ2/n)θ^∼N(θ,σ2/n)\hat\theta\sim N(\theta,\sigma^2/n)(In zahlreichen Fällen könnte dies asymptotisch gerechtfertigt sein). Es gibt zwei Möglichkeiten, ein Intervall zu erstellen, das so kurz wie möglich ist(1−α)(1−α)(1-\alpha) Level-Konfidenzintervall. Für jeden wahren Wert θθ\thetaIch möchte das kürzestmögliche …
Ich versuche, aus Daten in Python eine ECDF (und eine Vertrauensgrenze) zu erstellen. Ich kann das ECDF ziemlich einfach numpydurch Sortieren und Verwenden erzeugen linspace. Ich bin mir jedoch nicht ganz sicher, welche Konfidenzgrenzen angemessen sind, und es scheint keine integrierten Bibliotheken zu geben, die die Grenzen berechnen ( statsmodelsscheint …
Die Dreierregel besagt, dass, wenn wir beobachten, dass 0 ist, ein 95% -Konfidenzintervall für . Ich bin verwirrt über die Ableitung dieser Regel auf Wikipedia und anderswo.Y∼Bin(n,p)Y∼Bin(n,p)Y\sim \text{Bin}(n,p)[0,3/n][0,3/n][0,3/n]ppp Wikipedia entspricht dem Finden eines 95% -Konfidenzintervalls dem Finden aller so dass . Ich kämpfe darum, dies mit meinem eigenen Verständnis in …
Ich sehe oft Leute (Statistiker und Praktiker), die Variablen ohne einen zweiten Gedanken transformieren. Ich hatte immer Angst vor Transformationen, weil ich befürchte, dass sie die Fehlerverteilung ändern und somit zu ungültigen Schlussfolgerungen führen könnten, aber es ist so häufig, dass ich etwas falsch verstehen muss. Angenommen, ich habe ein …
Hintergrund: Stellen Sie sich eine in 8 Scheiben geschnittene Pizza vor. [ An jeder geraden Kante der Scheibe füge ich einen Magneten mit entgegengesetzten Polaritäten nach außen ein. Wenn ich diese Komponenten trenne, ein Umdrehen verhindere und sie schüttle, sollten sie eine volle Pizza bilden. Wenn ich jetzt ein zusätzliches …
Der Wert wird verwendet, um anzugeben, wie stark wir gegen eine Hypothese annehmen können. Es ist klar, dass dieser Wert selbst aus Daten geschätzt wird. Wenn neue Daten unter denselben Bedingungen gesammelt werden, ist es sehr unwahrscheinlich , dass der neue Wert der gleiche ist.ppppppppp Halsey, Curran-Everett, Vowler & Drummond …
Vielleicht hängt diese Frage von den angegebenen Daten ab, aber gibt es eine "bessere" Bootstrap-Methode als die anderen? Ich verwende einfach einen Datensatz mit einer Variablen (der aus den Unterschieden zwischen Fußballergebnissen (2 Mannschaften) in den letzten 15 Wochen besteht). Beachten Sie zunächst den richtigen Versatz dieser Daten. Ich denke, …
Ich weiß, dass die Standardformel für das Bernoulli CI lautet: p^±z1−α/2p^(1−p^)n−−−−−−−−√p^±z1−α/2p^(1−p^)n\hat{p}\pm z_{1-\alpha/2}\sqrt{\frac{\hat{p}(1-\hat{p})}{n}} Wenn p^=mnp^=mn\hat{p} = \frac{m}{n} wie schätze ich das Konfidenzintervall, wenn n n\ n klein und m=0 m=0\ m = 0 ? Dieser Fall würde die obige Gleichung auf 0±0 0±0\ 0 \pm 0 reduzieren, was impliziert, dass sich …
Ich habe eine Binomialverteilung mit den Parametern und , und die Schätzung für den Mittelwert meiner Verteilung ist N . Die Werte von und sind so, dass wir die Gaußsche Näherung verwenden können, um das des Mittelwerts als schätzen. Das Problem ist, dass ich bereits geschätzt habe , also ist …
Angenommen, ich habe Daten einer bestimmten Menge , gegeben durch . Jetzt nehme ich die erste Ziffer jeder Größe und möchte die Beziehung zwischen der empirischen Verteilung der ersten Ziffern wobei die normalisierte Häufigkeit des Auftretens von als erste Ziffer und das Benfordsche Gesetz Nun habe ich dieses Papier gelesenXXXx1,...,xnx1,...,xnx_1,...,x_ndidid_ixixix_ip^=(p^1,...,p^n)p^=(p^1,...,p^n)\hat{p}=(\hat{p}_1,...,\hat{p}_n)pi^pi^\hat{p_i}iiipi=log10(1+1/i)pi=log10(1+1/i) …
Ich arbeite an einem Problem, bei dem ich mehrere Paare derzeit lebender Männer habe i, von denen jedes vor niGenerationen einen vermuteten väterlichen Vorfahren hat (basierend auf genealogischen Beweisen) und bei denen ich Informationen darüber habe, ob es eine Nichtübereinstimmung in ihrem Y-chromosomalen Genotyp gibt (ausschließlich väterlicherseits) vererbt,xi= 1 für …
Ich frage mich, wie ich Daten und Vertrauensellipsen um einen bivariaten Median berechnen kann. Zum Beispiel kann ich leicht eine Datenellipse oder eine Konfidenzellipse für den bivariaten Mittelwert der folgenden Daten berechnen (hier nur eine Datenellipse). library("car") set.seed(1) df <- data.frame(x = rnorm(200, mean = 4, sd = 1.5), y …
Wie kann das Vorhersageintervall eines Gaußschen Prozesses bewertet werden? Ich weiß nicht, wie ich dieses Intervall schätzen soll, obwohl ich ein 95% -Konfidenzintervall für die mittlere Linie finden kann.
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.