Als «degrees-of-freedom» getaggte Fragen

Hinweis: Diese Frage ist ein Repost, da meine vorherige Frage aus rechtlichen Gründen gelöscht werden musste. Beim Vergleich von PROC MIXED von SAS mit der Funktion lmeaus dem nlmePaket in R bin ich auf einige verwirrende Unterschiede gestoßen. Insbesondere unterscheiden sich die Freiheitsgrade in den verschiedenen Tests zwischen PROC MIXEDund …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 

Ich weiß, dass die Verteilung der Stichprobenvarianz Es liegt an der Tatsache, dass kann in Matrixform (wobei A: symmetrisch) ausgedrückt werden, und er kann erneut ausgedrückt werden in: x'QDQ'x (wobei Q: orthonormal, D: diagonale Matrix). ∑(Xi−X¯)2σ2∼χ2(n−1)∑(Xi−X¯)2σ2∼χ(n−1)2 \sum\frac{(X_i-\bar{X})^2}{\sigma^2}\sim \chi^2_{(n-1)} ∑(Xi−X¯)2n−1∼σ2n−1χ2(n−1)∑(Xi−X¯)2n−1∼σ2n−1χ(n−1)2 \sum\frac{(X_i-\bar{X})^2}{n-1}\sim \frac{\sigma^2}{n-1}\chi^2_{(n-1)} (X−X¯)2(X−X¯)2(X-\bar{X})^2xAx′xAx′xAx'x'Q D Q.'xx′QDQ′xx'QDQ'x Was ist mit ∑ ( Y.ich- …

12 regression  mathematical-statistics  degrees-of-freedom  sums-of-squares 

Die Freiheitsgrade in meiner F-Tabelle sind für meine große Stichprobe nicht hoch genug. Wenn ich beispielsweise ein F mit 5 und 6744 Freiheitsgraden habe, wie finde ich den kritischen Wert von 5% für eine ANOVA? Was wäre, wenn ich einen Chi-Quadrat-Test mit großen Freiheitsgraden machen würde? [Eine Frage wie diese …

11 chi-squared  degrees-of-freedom  f-distribution  tables 

Ich analysiere die Ergebnisse eines Reaktionszeitversuchs in R. Ich führte eine ANOVA mit wiederholten Messungen durch (1 Faktor innerhalb des Subjekts mit 2 Stufen und 1 Faktor zwischen den Subjekten mit 2 Stufen). Ich habe ein ähnliches lineares gemischtes Modell ausgeführt und wollte die früheren Ergebnisse in Form einer ANOVA-Tabelle …

10 anova  mixed-model  repeated-measures  lme4-nlme  degrees-of-freedom 

Ich bin verwirrt über die richtige Formel für ungefähre Freiheitsgrade für den Welch-T-Test. Die Formel von Satterthwaite (1946) ist die am häufigsten zitierte Formel, aber Welch gab 1947 eine Alternative. Ich bin mir nicht sicher, welche vorzuziehen ist (oder von den meisten statistischen Programmen verwendet wird). Satterthwaites Formel: (s2x/nx+s2y/ny)2(s2x/nx)2/(nx−1)+(s2y/ny)2/(ny−1)(sx2/nx+sy2/ny)2(sx2/nx)2/(nx−1)+(sy2/ny)2/(ny−1)\frac{\left(s_x^2/n_x +s_y^2/n_y\right)^2}{(s_x^2/n_x …

10 hypothesis-testing  t-test  degrees-of-freedom 

Ich habe es gerade mit vielen Distributionen zu tun, z. B. , , .t χ 2FFFtttχ2χ2\chi^2 Ich habe mich gefragt, warum diese Freiheitsgrade für Verteilungen wie die -Verteilung bedeuten .F(m,n)F(m,n)F(m,n)

10 distributions  mathematical-statistics  degrees-of-freedom 

Ich bin es gewohnt, "Freiheitsgrade" als , wobei Sie das lineare Modell \ mathbf {y} = \ mathbf {X} \ boldsymbol {\ beta} + \ boldsymbol {\ epsilon} mit \ mathbf {y haben } \ in \ mathbb {R} ^ n , \ mathbf {X} \ in M_ {n \ …

9 t-test  degrees-of-freedom 

Hallo, ich habe Probleme, Ref.df im Ausgabebildschirm in R zu verstehen: Approximate significance of smooth terms: edf Ref.df F p-value s(meangrain) 1.779 2.209 3.193 0.0451 * s(depth) 2.108 2.697 3.538 0.0254 * Was bedeutet es und ist es notwendig, diesen Begriff für die Darstellung der Ergebnisse von GAM in ein …

9 model  gam  degrees-of-freedom 

Angenommen, ich habe eine Stichprobe von Häufigkeiten von 4 möglichen Ereignissen: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 und ich habe die erwarteten Wahrscheinlichkeiten, dass meine Ereignisse eintreten: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Mit der Summe der beobachteten …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Hier sind die Daten: > tires <- data.frame(Wear = c(17, 14, 12, 13, 14, 14, 12, 11, 13, 13, 10, 11, 13, 8, 9, 9), Brand = rep(LETTERS[1:4], 4), Car = as.character(as.roman(rep(1:4, each = 4)))) > tires Wear Brand Car 1 17 A I 2 14 B I 3 12 …

9 r  anova  dataset  degrees-of-freedom 

Ich habe einige Zweifel daran, wie Freiheitsgrade in Verteilungen berücksichtigt werden. Insbesondere beziehen wir uns auf die Variable Studentttt t=x−x¯s^=x−x¯∑(xi−x¯)2N−1−−−−−−−√(1)(1)t=x−x¯s^=x−x¯∑(xi−x¯)2N−1t=\frac{x-\bar{x}}{\hat{s}}=\frac{x-\bar{x}}{\sqrt{\frac{\sum(x_i-\bar{x})^2}{N-1}}}\tag{1} Wo eine Gaußsche Variable ist, ist der Mittelwert, ist , die Standardabweichung von den Daten.xxxx¯x¯\bar{x}s^=∑(xi−x¯)2N−1−−−−−−−√s^=∑(xi−x¯)2N−1\hat{s}=\sqrt{\frac{\sum(x_i-\bar{x})^2}{N-1}} Die Schülerwahrscheinlichkeitsdichtefunktion istf(t)=C(1+t2ν)−ν+12(2)(2)f(t)=C(1+t2ν)−ν+12f(t)=C (1+\frac{t^2}{\nu})^{-\frac{\nu+1}{2}}\tag{2} Und in meinem Lehrbuch finde ich ν=N−1ν=N−1\nu=N-1 "weil in (1)(1)(1) der …

7 distributions  degrees-of-freedom  t-distribution  constraint 

Können wir die Spur der Hutmatrix im Falle einer Kernelregression für die effektiven Freiheitsgrade verwenden? Wo wir die Hutmatrix erhalten, H als: H=y^∗y+H=y^∗y+H = \hat{y} * y^+ wo y^y^\hat{y} ist die vorhergesagten Antwortwerte, y+y+y^+ ist die Pseudo-Inverse von yyy.

7 regression  degrees-of-freedom