Perguntas com a marcação «confidence-interval»

Um intervalo de confiança é um intervalo que cobre um parâmetro desconhecido com (1α)%confiança. Intervalos de confiança são um conceito freqüentista. Eles são frequentemente confundidos com intervalos credíveis, que são o análogo bayesiano.

2
Significado real da elipse de confiança
Lendo sobre o verdadeiro significado da elipse de 95% de confiança, costumo encontrar duas explicações: A elipse que contém 95% dos dados Não é o acima, mas a elipse que explica a variação dos dados. Não sei se entendi direito, mas eles parecem significar que, se um novo ponto de …

2
Que fração das experiências repetidas terá um tamanho de efeito dentro do intervalo de confiança de 95% da primeira experiência?
Vamos nos ater a uma situação ideal com amostragem aleatória, populações gaussianas, variações iguais, sem hackers P etc. Etapa 1. Você realiza uma experiência, digamos, comparando duas médias de amostra e calcula um intervalo de confiança de 95% para a diferença entre as duas médias da população. Etapa 2. Você …


3
Diferentes maneiras de produzir um intervalo de confiança para o odds ratio a partir da regressão logística
Estou estudando como construir um intervalo de confiança de 95% para odds ratio a partir dos coeficientes obtidos na regressão logística. Portanto, considerando o modelo de regressão logística, log(p1−p)=α+βxlog⁡(p1−p)=α+βx \log\left(\frac{p}{1 - p}\right) = \alpha + \beta x \newcommand{\var}{\rm Var} \newcommand{\se}{\rm SE} de tal modo que x=0x=0x = 0 para o …





5
Como executar a imputação de valores em um número muito grande de pontos de dados?
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis ​​estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, …
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 

1
Clopper-Pearson para não matemáticos
Fiquei imaginando se alguém poderia me explicar a intuição além do IC de Clopper-Pearson para proporções. Até onde eu sei, todo IC inclui uma variação nele. No entanto, para proporções, mesmo que minha proporção seja 0 ou 1 (0% ou 100%), o IC de Clopper-Pearson pode ser calculado. Tentei examinar …






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.