Statistiken und Big Data parametric

3

Was ist so cool an de Finettis Repräsentationssatz?

Aus der Theorie der Statistik von Mark J. Schervish (Seite 12): DeFinettis Repräsentationssatz 1.49 ist zwar von zentraler Bedeutung für die Motivierung parametrischer Modelle, wird jedoch in ihrer Implementierung nicht verwendet. Wie ist der Satz von zentraler Bedeutung für parametrische Modelle?

55 probability modeling mathematical-statistics parametric

3

Interpretation des log transformierten Prädiktors und / oder der Antwort

Ich frage mich, ob es einen Unterschied in der Interpretation macht, ob nur die abhängigen, sowohl die abhängigen als auch die unabhängigen Variablen oder nur die unabhängigen Variablen log-transformiert werden. Betrachten Sie den Fall von log(DV) = Intercept + B1*IV + Error Ich kann die IV als prozentuale Erhöhung interpretieren, …

46 regression data-transformation interpretation regression-coefficients logarithm r dataset stata hypothesis-testing contingency-tables hypothesis-testing statistical-significance standard-deviation unbiased-estimator t-distribution r functional-data-analysis maximum-likelihood bootstrap regression change-point regression sas hypothesis-testing bayesian randomness predictive-models nonparametric terminology parametric correlation effect-size loess mean pdf quantile-function bioinformatics regression terminology r-squared pdf maximum multivariate-analysis references data-visualization r pca r mixed-model lme4-nlme distributions probability bayesian prior anova chi-squared binomial generalized-linear-model anova repeated-measures t-test post-hoc clustering variance probability hypothesis-testing references binomial profile-likelihood self-study excel data-transformation skewness distributions statistical-significance econometrics spatial r regression anova spss linear-model

8

Sind alle Modelle unbrauchbar? Ist ein genaues Modell möglich - oder sinnvoll?

Diese Frage beschäftigt mich seit über einem Monat. In der Ausgabe der Amstat News vom Februar 2015 ist ein Artikel von Berkeley-Professor Mark van der Laan zu lesen, in dem die Leute wegen der Verwendung ungenauer Modelle beschimpft werden. Er stellt fest, dass Statistik durch die Verwendung von Modellen eher …

45 machine-learning maximum-likelihood modeling nonparametric parametric

3

Wie kann man die Wahrscheinlichkeit genau definieren?

Die Wahrscheinlichkeit kann auf verschiedene Arten definiert werden, zum Beispiel: die Funktion LLL von Θ × XΘ×X\Theta\times{\cal X} die Karten ( θ , x )(θ,x)(\theta,x) zu L ( θ | x )L(θ∣x)L(\theta \mid x) , das heißt L : Θ × X → RL:Θ×X→RL:\Theta\times{\cal X} \rightarrow \mathbb{R} . die Zufallsfunktion …

30 mathematical-statistics likelihood likelihood-ratio parametric

3

Wie berechnet man den p-Wert von Parametern für das ARIMA-Modell in R?

Bei der Zeitreihenrecherche in R stellte ich fest, dass arima nur die Koeffizientenwerte und ihre Standardfehler des angepassten Modells angegeben werden. Ich möchte aber auch den p-Wert der Koeffizienten erhalten. Ich habe keine Funktion gefunden, die die Bedeutung von coef liefert. Ich möchte es also selbst berechnen, kenne aber den …

23 r time-series chi-squared arima parametric

4

Gibt es statistische Tests, die parametrisch und nicht parametrisch sind?

Gibt es statistische Tests, die parametrisch und nicht parametrisch sind? Diese Frage wurde von einem Interviewpanel gestellt. Ist es eine gültige Frage?

20 nonparametric terminology parametric

3

Warum sind Pearson parametrisch und Spearman nicht parametrisch?

Anscheinend ist Pearsons Korrelationskoeffizient parametrisch und Spearmans Rho nicht parametrisch. Ich habe Probleme, das zu verstehen. So wie ich es verstehe, wird Pearson berechnet als und Spearman wird auf die gleiche Weise berechnet, außer dass wir alle Werte durch ihre Ränge ersetzen.rx y= c o v ( X, Y)σxσyrxy=cOv(X,Y.)σxσy r_{xy} …

19 nonparametric pearson-r parametric spearman-rho

3

Definition der Familie einer Distribution?

Hat eine Familie einer Distribution eine andere Definition für Statistik als in anderen Disziplinen? Im Allgemeinen ist eine Kurvenfamilie ein Satz von Kurven, von denen jede durch eine Funktion oder Parametrisierung gegeben ist, in der einer oder mehrere der Parameter variiert werden. Solche Familien werden beispielsweise zur Charakterisierung von elektronischen …

14 distributions terminology parametric exponential-family

3

Was genau ist der Unterschied zwischen einem parametrischen und einem nicht parametrischen Modell?

Ich bin verwirrt mit der Definition eines nichtparametrischen Modells, nachdem ich diesen Link gelesen habe. Parametrische vs nichtparametrische Modelle und Antwortkommentare meiner anderen Frage . Ursprünglich dachte ich, "parametrisch gegen nicht parametrisch" bedeutet, wenn wir Verteilungsannahmen für das Modell haben (ähnlich wie beim Testen parametrischer oder nicht parametrischer Hypothesen). Beide …

14 machine-learning neural-networks nonparametric terminology parametric

1

Warum den parametrischen Bootstrap verwenden?

Ich versuche gerade, ein paar Dinge in Bezug auf parametrisches Bootstrap in den Kopf zu bekommen. Die meisten Dinge sind wahrscheinlich trivial, aber ich glaube immer noch, dass ich etwas verpasst habe. Angenommen, ich möchte Konfidenzintervalle für Daten mithilfe einer parametrischen Bootstrap-Prozedur abrufen. Ich habe also dieses Beispiel und gehe …

13 nonparametric bootstrap simulation monte-carlo parametric

3

Warum setzen mehrere (wenn nicht alle) parametrische Hypothesentests eine Zufallsstichprobe voraus?

Tests wie Z, t und einige andere gehen davon aus, dass die Daten auf einer Zufallsstichprobe basieren. Warum? Angenommen, ich mache experimentelle Forschungen, bei denen mir die interne Gültigkeit viel mehr am Herzen liegt als die externe. Also, wenn meine Stichprobe ein bisschen voreingenommen sein könnte, okay, da ich zugestimmt …

12 hypothesis-testing sampling parametric randomness

2

Wenn ein parametrischer Test nicht null zurückweist, macht seine nichtparametrische Alternative dasselbe?

Wenn angenommen wird, dass nichtparametrische Tests weniger Leistung haben als ihre parametrischen Alternativen, bedeutet dies, dass wenn ein parametrischer Test nicht null zurückweist, seine nichtparametrische Alternative auch nicht null zurückweist? Wie kann sich dies ändern, wenn die Annahmen des parametrischen Tests nicht erfüllt sind und der Test trotzdem verwendet wird?

12 hypothesis-testing nonparametric parametric

4

Sind Deep-Learning-Modelle parametrisch? Oder nicht parametrisch?

Ich glaube nicht, dass es eine Antwort auf alle Deep-Learning-Modelle geben kann. Welche der Deep-Learning-Modelle sind parametrisch und welche nicht parametrisch und warum?

11 neural-networks deep-learning nonparametric parametric

1

Behandlung von Ausreißern durch Kurtosis

Ich habe mich gefragt, ob mir jemand mit Informationen über Kurtosis helfen könnte (dh gibt es eine Möglichkeit, Ihre Daten zu transformieren, um sie zu reduzieren?) Ich habe einen Fragebogendatensatz mit einer großen Anzahl von Fällen und Variablen. Für einige meiner Variablen zeigen die Daten ziemlich hohe Kurtosis-Werte (dh eine …

10 distributions assumptions kurtosis discriminant-analysis parametric

2

Vorteil der Kernel-Dichteschätzung gegenüber der parametrischen Schätzung

Gibt es einen bestimmten Grund, warum Sie die Kernel-Dichteschätzung der parametrischen Schätzung vorziehen? Ich habe gelernt, die Verteilung an meine Daten anzupassen. Diese Frage kam zu mir. Meine Datengröße ist mit 7500 Datenpunkten relativ groß. Auto Ansprüche. Mein Ziel ist es, es an eine Verteilung anzupassen (nichtparametrisch oder parametrisch). Verwenden …

10 estimation nonparametric kernel-smoothing parametric

Als «parametric» getaggte Fragen