Als «dag» getaggte Fragen

3
Ein Beispiel: LASSO-Regression unter Verwendung von glmnet für binäre Ergebnisse
Ich beginne mit der Verwendung von dabble glmnetmit LASSO Regression , wo mein Ergebnis von Interesse dichotomous ist. Ich habe unten einen kleinen nachgebildeten Datenrahmen erstellt: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
3
Bedeutet statistische Unabhängigkeit einen Mangel an Kausalität?
Zwei Zufallsvariablen A und B sind statistisch unabhängig. Das bedeutet im DAG des Prozesses: und natürlich . Aber heißt das auch, dass es von B nach A keine Haustür gibt?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Denn dann sollten wir . Wenn dies der Fall ist, bedeutet statistische Unabhängigkeit dann automatisch einen Mangel an …
2
Darstellung von Interaktionseffekten in gerichteten azyklischen Diagrammen
Gerichtete azyklische Graphen (DAGs, z. B. Greenland et al., 1999) sind Teil eines Formalismus der kausalen Folgerung aus der kontrafaktischen Interpretation des Kausalitätslagers. In diesen Diagrammen bedeutet das Vorhandensein eines Pfeils von Variable EINEINA zu Variable BBB , dass Variable EINEINA Variable B direkt verursacht (eine gewisse Änderung des Risikos) …
1
Ein Laien, das den Unterschied zwischen der Einstellung der Hintertür und der Vordertür versteht
Ich beziehe mich auf die Hintertür Verstellung und Front-Tür Einstellung hier : Anpassung der Hintertür : Das archetypische epidemiologische Problem in der Statistik besteht darin, die Wirkung eines gemessenen Confounders anzupassen. Das Hintertürkriterium von Pearl verallgemeinert diese Idee. Anpassung der Haustür : Wenn einige Variablen nicht beobachtet werden, müssen wir …
12 causality  dag 
2
Wie können Differenzvariablen in DAGs korrekt dargestellt werden?
Wenn ich an den kausalen Auswirkungen der Änderung einer Variablen ( ) auf ein Ergebnis ( ) interessiert bin , wie würde ich das in einem gerichteten azyklischen Graphen (DAG) darstellen?EEEOOO Angenommen, , wobei & zu den Zeitpunkten 1 & 2 auftreten, wäre eine korrekte DAG: Δ E2= E.2- E.1ΔE2=E2−E1\Delta …
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.