Als «inference» getaggte Fragen

Schlussfolgerungen aus Populationsdaten zu Populationsparametern ziehen. Siehe https://en.wikipedia.org/wiki/Inference und https://en.wikipedia.org/wiki/Statistical_inference

2
Warum ist die Verwendung von Querschnittsdaten zum Ableiten / Vorhersagen von Längsveränderungen eine schlechte Sache?
Ich suche ein Papier, von dem ich hoffe, dass es existiert, weiß aber nicht, ob es existiert. Es könnte sich um eine Reihe von Fallstudien und / oder ein Argument aus der Wahrscheinlichkeitstheorie handeln, warum die Verwendung von Querschnittsdaten zum Ableiten / Vorhersagen von Längsschnittänderungen eine schlechte Sache sein kann …

1
Neg Binomial und der Prior von Jeffreys
Ich versuche, den Jeffreys-Prior für eine negative Binomialverteilung zu erhalten. Ich kann nicht sehen, wo ich falsch liege. Wenn also jemand darauf hinweisen könnte, wäre das sehr willkommen. Okay, die Situation ist also folgende: Ich soll die vorherigen Verteilungen vergleichen, die unter Verwendung eines Binomials und eines negativen Binomials erhalten …


1
R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 


1
Was ist der Unterschied zwischen VAE und stochastischer Backpropagation für tiefe generative Modelle?
Was ist der Unterschied zwischen der automatischen Codierung von Variations-Bayes und der stochastischen Backpropagation für tiefe generative Modelle ? Führt die Schlussfolgerung bei beiden Methoden zu denselben Ergebnissen? Mir sind keine expliziten Vergleiche zwischen den beiden Methoden bekannt, obwohl sich beide Autorengruppen gegenseitig zitieren.

1
Über die Existenz von UMVUE und die Wahl der Schätzer von
Sei eine Zufallsstichprobe aus der N ( θ , θ 2 ) -Population, wobei θ ∈ R ist .(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Ich suche den UMVUE von .θθ\theta Die Fugendichte von beträgt(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} wobei undh(x)=1.G( θ , T.( x ) ) …

2
UMVUE von
Sei (X1,X2,…,Xn)(X1,X2,…,Xn)(X_1,X_2,\ldots,X_n) eine Zufallsstichprobe aus der Dichte fθ(x)=θxθ−110<x<1,θ>0fθ(x)=θxθ−110<x<1,θ>0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Ich versuche, den UMVUE von θ zu findenθ1+θθ1+θ\frac{\theta}{1+\theta} . Die Fugendichte von (X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) beträgt fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp[(θ−1)∑i=1nlnxi+nlnθ+ln(10<x1,…,xn<1)],θ>0fθ(x1,⋯,xn)=θn(∏i=1nxi)θ−110<x1,…,xn<1=exp⁡[(θ−1)∑i=1nln⁡xi+nln⁡θ+ln⁡(10<x1,…,xn<1)],θ>0\begin{align} f_{\theta}(x_1,\cdots,x_n)&=\theta^n\left(\prod_{i=1}^n x_i\right)^{\theta-1}\mathbf1_{00 \end{align} Da die Bevölkerung pdf fθfθf_{\theta} auf die Ein-Parameter exponentiellen Familie gehört, das zeigt , dass eine vollständige erschöpfende Statistik für θθ\theta sei T(X1,…,Xn)=∑i=1nlnXiT(X1,…,Xn)=∑i=1nln⁡XiT(X_1,\ldots,X_n)=\sum_{i=1}^n\ln …


2
Referenzanfrage: Klassische Statistik für Arbeitsdatenwissenschaftler
Ich bin ein arbeitender Datenwissenschaftler mit solider Erfahrung in Regression, anderen Algorithmen vom Typ maschinelles Lernen und Programmierung (sowohl für die Datenanalyse als auch für die allgemeine Softwareentwicklung). Der größte Teil meines Arbeitslebens konzentrierte sich auf das Erstellen von Modellen für die Vorhersagegenauigkeit (Arbeiten unter verschiedenen geschäftlichen Bedingungen) und das …



3
Das Konzept der "statistisch bewiesen"
Wenn die Nachrichten über Dinge sprechen, die statistisch bewiesen wurden, verwenden sie ein genau definiertes Konzept der Statistik richtig, falsch oder nur ein Oxymoron? Ich stelle mir vor, dass ein "statistischer Beweis" nicht tatsächlich als Beweis für eine Hypothese oder einen mathematischen Beweis durchgeführt wird, sondern eher als "statistischer Test".
10 inference  proof 

4
Auswirkungen der aktuellen Debatte auf die statistische Signifikanz
In den letzten Jahren haben verschiedene Wissenschaftler ein nachteiliges Problem beim Testen wissenschaftlicher Hypothesen angesprochen, das als "Freiheitsgrad der Forscher" bezeichnet wird. Dies bedeutet, dass Wissenschaftler während ihrer Analyse zahlreiche Entscheidungen treffen müssen, die darauf abzielen, mit einem p-Wert <5% zu finden. Diese zweideutigen Entscheidungen sind zum Beispiel, welcher Fall …

3
Gaußsche Prozessregression für große Datenmengen
Ich habe aus Online-Videos und Vorlesungsskripten etwas über die Gaußsche Prozessregression gelernt. Wenn wir einen Datensatz mit Punkten haben, gehen wir davon aus, dass die Daten aus einem dimensionalen multivariaten Gaußschen Prozess stammen . Meine Frage ist also für den Fall, dass 10 Millionen beträgt. Funktioniert die Gaußsche Prozessregression noch? …

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.