Als «standard-error» getaggte Fragen

Bezieht sich auf die Standardabweichung der Stichprobenverteilung einer aus einer Stichprobe berechneten Statistik. Standardfehler sind häufig erforderlich, wenn Konfidenzintervalle gebildet oder Hypothesen über die Population getestet werden, aus der die Statistik entnommen wurde.

3
Standardfehler des Medians
Ist die folgende Formel richtig, wenn ich den Standardfehler des Medians bei einer kleinen Stichprobe mit nicht normaler Verteilung messen möchte (ich verwende Python)? sigma=np.std(data) n=len(data) sigma_median=1.253*sigma/np.sqrt(n)
3
Warum sagt dieser Auszug, dass eine unvoreingenommene Schätzung der Standardabweichung normalerweise nicht relevant ist?
Ich habe über die Berechnung der unverzerrten Schätzung der Standardabweichung und die von mir gelesene Quelle gelesen (...) Außer in einigen wichtigen Situationen ist die Aufgabe für die Anwendung der Statistik von geringer Bedeutung, da ihre Notwendigkeit durch Standardverfahren wie Signifikanztests und Konfidenzintervalle oder durch die Verwendung der Bayes'schen Analyse …
2
Standardfehler einer Zählung
Ich habe einen Datensatz von Vorfallsfällen nach Jahreszeit einer seltenen Krankheit. Angenommen, es gab 180 Fälle im Frühjahr, 90 im Sommer, 45 im Herbst und 210 im Winter. Ich kämpfe mit der Frage, ob es angebracht ist, Standardfehler an diese Zahlen anzuhängen. Die Forschungsziele sind insofern schlüssig, als wir nach …
4
Warum sagen wir "Reststandardfehler"?
Ein Standardfehler ist die geschätzte Standardabweichung σ ( θ ) eines Schätzers θ für einen Parameter θ .σ^(θ^)σ^(θ^)\hat \sigma(\hat\theta)θ^θ^\hat\thetaθθ\theta Warum heißt die geschätzte Standardabweichung der Residuen "Reststandardfehler" (z. B. in der Ausgabe der R- summary.lmFunktion) und nicht "Reststandardabweichung"? Welche Parameterschätzung statten wir hier mit einem Standardfehler aus? Betrachten wir jedes …
1
Warum erhöht sich der Standardfehler des Abschnitts, je weiter von 0 entfernt ist?
Der Standardfehler des Intercept-Terms ( ) in ist gegeben durch wobei \ bar {x} ist der Mittelwert der x_i 's.β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilonSE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right]x¯x¯\bar{x}xixix_i [β^0−2SE,β^0+2SE][β^0−2SE,β^0+2SE][\hat{\beta}_0-2SE,\hat{\beta}_0+2SE] ich weiß, quantifiziert die SE Ihre Unsicherheit - zum Beispiel wird in 95% der Stichproben das Intervall [\ hat {\ beta} _0-2SE, \ hat {\ beta} _0 …
3
Koeffizienten hinzufügen, um Interaktionseffekte zu erzielen - was tun mit SEs?
Ich habe eine multivariate Regression, die Interaktionen einschließt. Um beispielsweise die Schätzung des Behandlungseffekts für das ärmste Quintil zu erhalten, muss ich die Koeffizienten aus dem Behandlungsregressor zu dem Koeffizienten aus der Interaktionsvariablen (die Behandlung und Quintil 1 interagiert) addieren. Wie erhält man Standardfehler, wenn man zwei Koeffizienten aus einer …
5
Wie führt man eine Imputation von Werten in einer sehr großen Anzahl von Datenpunkten durch?
Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
2
Ermitteln der Genauigkeit der Monte-Carlo-Simulationsschätzung
Hintergrund Ich entwerfe eine Monte-Carlo-Simulation, die die Ergebnisse einer Reihe von Modellen kombiniert, und ich möchte sicher sein, dass die Simulation es mir ermöglicht, angemessene Aussagen über die Wahrscheinlichkeit des simulierten Ergebnisses und die Genauigkeit dieser Wahrscheinlichkeitsschätzung zu machen. Die Simulation ermittelt die Wahrscheinlichkeit, dass eine Jury aus einer bestimmten …
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 
2
Allgemeine Methode zur Ableitung des Standardfehlers
Ich kann anscheinend nirgendwo eine allgemeine Methode finden, um Standardfehler abzuleiten. Ich habe auf Google, dieser Website und sogar in Lehrbüchern nachgesehen, aber alles, was ich finden kann, ist die Formel für Standardfehler für Mittelwert, Varianz, Anteil, Risikoverhältnis usw. und nicht, wie diese Formeln entstanden sind. Wenn irgendjemand es in …
2
Fehlerausbreitung SD vs SE
Ich habe 3 bis 5 Maße eines Merkmals pro Person unter zwei verschiedenen Bedingungen (A und B). Ich Plotten der Durchschnitt für jedes einzelne in jedem Zustand und I verwenden , um die Standardfehler ( dh , , wobei = Anzahl der Messungen) als Fehlerbalken. N.SD/N−−√SD/NSD/\sqrt{N}NNN Jetzt möchte ich die …
1
Alternatives Trichterdiagramm ohne Verwendung des Standardfehlers (SE)
Vor Einreichung meiner Metaanalyse möchte ich ein Trichterdiagramm erstellen, um die Heterogenität und die Publikationsverzerrung zu testen. Ich habe die gepoolte Effektgröße und die Effektgrößen aus jeder Studie, die Werte von -1 bis +1 annehmen. Ich habe die Stichprobengrößen n1, n2 für Patienten und Kontrollen aus jeder Studie. Da ich …
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.