Als «nonparametric» getaggte Fragen

Verwenden Sie dieses Tag, um nach der Art der nichtparametrischen oder parametrischen Methoden oder dem Unterschied zwischen beiden zu fragen. Nichtparametrische Methoden beruhen im Allgemeinen auf wenigen Annahmen über die zugrunde liegenden Verteilungen, während parametrische Methoden Annahmen treffen, die es ermöglichen, Daten durch eine kleine Anzahl von Parametern zu beschreiben.

1
Relative Effizienz des von Wilcoxon signierten Ranges in kleinen Stichproben
Ich habe in der veröffentlichten Literatur (und hier veröffentlicht) gesehen, dass die asymptotische relative Effizienz des von Wilcoxon signierten Rang-Tests im Vergleich zum t-Test mindestens 0,864 beträgt. Ich habe auch gehört, dass dies nur für große Stichproben gilt, obwohl einige Bücher dies nicht erwähnen (was ist damit?). Wie auch immer, …
3
Friedman-Test und Post-Hoc-Test für Python
In meinem Datensatz habe ich fünf (ordinale) Gruppen mit einem x-Maß. Da die Homoskedastizität verletzt wird, habe ich den Friedman-Chi-Quadrat-Test durchgeführt, um festzustellen, ob es statistische Unterschiede zwischen den Gruppen gibt: fried = stats.friedmanchisquare(*[grp for idx, grp in df.iteritems()])) Dies ergab einen statistischen Unterschied, aber jetzt möchte ich herausfinden, zwischen …
2
Bayesianische nichtparametrische Antwort auf tiefes Lernen?
So wie ich es verstehe, führen tiefe neuronale Netze "Repräsentationslernen" durch, indem sie Merkmale zusammenfügen. Dies ermöglicht das Lernen sehr hochdimensionaler Strukturen in den Merkmalen. Natürlich handelt es sich um ein parametrisches Modell mit einer festen Anzahl von Parametern, daher besteht die übliche Einschränkung, dass die Komplexität des Modells möglicherweise …
1
Schätzung der Kernel-Dichte des np-Pakets mit dem Epanechnikov-Kernel
Ich arbeite mit dem "Geysir" -Datensatz aus dem MASS-Paket und vergleiche Kernel-Dichteschätzungen des np-Pakets. Mein Problem ist es, die Dichteschätzung unter Verwendung der Kreuzvalidierung der kleinsten Quadrate und des Epanechnikov-Kernels zu verstehen: blep<-npudensbw(~geyser$waiting,bwmethod="cv.ls",ckertype="epanechnikov") plot(npudens(bws=blep)) Für den Gaußschen Kernel scheint es in Ordnung zu sein: blga<-npudensbw(~geyser$waiting,bwmethod="cv.ls",ckertype="gaussian") plot(npudens(bws=blga)) Oder wenn ich den …
1
Wie genau wird die Summen- (oder Mittelwert-) Zentrierungsbeschränkung für Splines (auch für Gam von mgcv) durchgeführt?
Der Datenerzeugungsprozess ist:y=sin(x+I(d=0))+sin(x+4∗I(d=1))+I(d=0)z2+3I(d=1)z2+N(0,1)y=sin(x+I(d=0))+sin(x+4∗I(d=1))+I(d=0)z2+3I(d=1)z2+N(0,1)y = \text{sin}\Big(x+I(d=0)\Big) + \text{sin}\Big(x+4*I(d=1)\Big) + I(d=0)z^2 + 3I(d=1)z^2 + \mathbb{N}\left(0,1\right) Sei eine Folge von bis der Länge 100 und d der entsprechende Faktor d \ in \ {0,1 \} . Nehmen Sie alle möglichen Kombinationen von x, z, d , um y zu berechnen : - 4 …
1
Berechnung der inversen Wahrscheinlichkeitsgewichte - bedingte (multivariate) Dichteschätzung?
Die allgemeine Version: Ich muss schätzen, wobei und stetig und multivariat sind. Ich mache es lieber nichtparametrisch, weil ich keine gute funktionale Form im Sinn habe und so etwas wie unvoreingenommen sein muss. Ich wollte einen bedingten Kernel-Dichteschätzer verwenden, aber mir wurde klar, dass ich zuerst quantisieren musste . Dann …
1
Kausale Identifizierung und bestrafte Splines
Ich habe gerade eine Ablehnung von einem Wirtschaftsjournal erhalten. Als Gründe für die Ablehnung wurden angeführt: Die Vorteile der Verwendung der semiparametrischen Methode werden im Vergleich zu alternativen einfacheren Techniken mit sauberer Identifizierung von Kausalzusammenhängen nicht klar herausgestellt Es ist durchaus möglich, dass ich die Methodik einer Reihe von Ökonomen, …
2
Post-hoc-Test nach 2-Faktor-Wiederholungsmessungen ANOVA in R?
Ich habe Probleme, eine Lösung für die Durchführung eines Post-hoc-Tests (Tukey HSD) nach einer ANOVA mit 2 Faktoren (beide innerhalb der Probanden) mit wiederholten Messungen in R zu finden. Für die ANOVA habe ich die aov-Funktion verwendet: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Nachdem ich Antworten auf andere …
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.