Perguntas com a marcação «assumptions»

Refere-se às condições sob as quais um procedimento estatístico gera estimativas e / ou inferência válidas. Por exemplo, muitas técnicas estatísticas exigem a suposição de que os dados são amostrados aleatoriamente de alguma forma. Os resultados teóricos sobre estimadores geralmente requerem suposições sobre o mecanismo de geração de dados.

2
São normalmente distribuídos X e Y com maior probabilidade de resultar em resíduos normalmente distribuídos?
Aqui, a interpretação errônea da suposição de normalidade na regressão linear é discutida (que a 'normalidade' refere-se ao X e / ou Y ao invés dos resíduos), e o pôster pergunta se é possível ter X e Y distribuídos normalmente. e ainda tem resíduos normalmente distribuídos. Minha pergunta é: normalmente …
2
Interpretação da matriz variância-covariância
Suponha que tenhamos um modelo linear Model1e vcov(Model1)forneça a seguinte matriz: (Intercept) latitude sea.distance altitude (Intercept) 28.898100 -23.6439000 -34.1523000 0.50790600 latitude -23.643900 19.7032500 28.4602500 -0.42471450 sea.distance -34.152300 28.4602500 42.4714500 -0.62612550 altitude 0.507906 -0.4247145 -0.6261255 0.00928242 Neste exemplo, o que essa matriz realmente exibe? Que suposições podemos fazer com segurança para …
4
Premissas de distribuição residual de regressão
Por que é necessário colocar a premissa distributiva nos erros, ou seja, yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , comϵi∼N(0,σ2)ϵi∼N(0,σ2)\epsilon_{i} \sim \mathcal{N}(0,\sigma^{2}) . Por que não escrever yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , comyi∼N(Xβ^,σ2)yi∼N(Xβ^,σ2)y_i \sim \mathcal{N}(X\hat{\beta},\sigma^{2}) , onde em qualquer dos casos ϵi=yi−y^ϵi=yi−y^\epsilon_i = y_i - \hat{y} . Eu vi enfatizar …
2
Por que algumas pessoas testam suposições de modelos semelhantes a regressão em seus dados brutos e outras testam-nas no residual?
Sou estudante de doutorado em psicologia experimental e tento muito melhorar minhas habilidades e conhecimentos sobre como analisar meus dados. Até o meu quinto ano em psicologia, eu pensava que os modelos semelhantes à regressão (por exemplo, ANOVA) assumem o seguinte: normalidade dos dados homogeneidade de variação para os dados …
1
Qual é um bom índice do grau de violação da normalidade e quais rótulos descritivos podem ser anexados a esse índice?
Contexto: Em uma pergunta anterior, o @Robbie perguntou em um estudo com cerca de 600 casos por que os testes de normalidade sugeriam não normalidade significativa, mas os gráficos sugeriam distribuições normais . Várias pessoas argumentaram que testes de significância da normalidade não são muito úteis. Com amostras pequenas, esses …
1
R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?
O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …
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 
3
A suposição de linearidade na regressão linear é apenas uma definição de
Estou revisando a regressão linear. O livro de Greene declara: Agora, é claro que haverá outras suposições no modelo de regressão linear, como E(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0 . Essa suposição combinada com a suposição de linearidade (que na verdade define ϵϵ\epsilon ) coloca a estrutura no modelo. No entanto, a suposição de linearidade …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.