Perguntas com a marcação «inference»

Acabei de ler este livro maravilhoso: Análise estatística multivariada aplicada por Johnson e Wichern . A ironia é que ainda não sou capaz de entender a motivação para o uso de modelos multivariados (regressão), em vez de modelos univariados separados (regressão). Passei pelas postagens stats.statexchange 1 e 2 que explicam …

28 regression  multiple-regression  inference  multivariate-regression 

Nas estatísticas bayesianas, é freqüentemente mencionado que a distribuição posterior é intratável e, portanto, deve ser aplicada uma inferência aproximada. Quais são os fatores que causam essa intratabilidade?

28 bayesian  approximation  inference 

Suponha que tenhamos um cenário de múltiplas comparações, como inferência post hoc em estatísticas aos pares ou como uma regressão múltipla, na qual estamos fazendo um total de comparações. Suponha também que gostaríamos de apoiar a inferência nesses múltiplos usando intervalos de confiança.mmm 1. Aplicamos vários ajustes de comparação aos …

27 confidence-interval  multiple-comparisons  inference 

Depois de muita pesquisa cruzada validada, ainda não me sinto mais perto de entender a divergência entre KL fora do campo da teoria da informação. É bastante estranho, como alguém com formação em matemática, achar muito mais fácil entender a explicação da teoria da informação. Para delinear meu entendimento a …

23 inference  entropy  information-theory  kullback-leibler  compression 

Quando eu procuro no Google por "fisher" "fiducial" ... Eu recebo muitos hits, mas todos os que eu segui estão totalmente além da minha compreensão. Todos esses acertos parecem ter uma coisa em comum: todos foram escritos para estatísticos tingidos de lã, pessoas profundamente mergulhadas na teoria, prática, história e …

23 bayesian  inference  terminology  fiducial  ronald-fisher 

(Pedimos desculpas antecipadamente pelo uso da linguagem leiga e não da estatística). Se eu quiser medir as chances de rolar cada lado de uma matriz física específica de seis lados para cerca de +/- 2% com uma confiança razoável de certeza, quantos rolos de matriz de amostra seriam necessários? ou …

22 probability  inference  pdf  dice 

Na inferência bayesiana, uma distribuição preditiva para dados futuros é obtida pela integração de parâmetros desconhecidos; a integração sobre a distribuição posterior desses parâmetros fornece uma distribuição preditiva posterior - uma distribuição para dados futuros condicionados aos já observados. Quais métodos não bayesianos de inferência preditiva existem que levam em …

22 prediction  inference  prediction-interval 

Eu li o lema Neyman – Pearson do livro Introdução à teoria das estatísticas de Mood, Graybill e Boes. Mas eu não entendi o lema. Alguém pode me explicar o lema em palavras simples? O que afirma? Lema de Neyman-Pearson: Seja uma amostra aleatória de , em que é um …

21 hypothesis-testing  self-study  references  inference  likelihood-ratio 

Meu entendimento era que a estatística descritiva descrevia quantitativamente características de uma amostra de dados, enquanto a estatística inferencial fazia inferências sobre as populações das quais as amostras foram coletadas. No entanto, a página da Wikipedia para inferência estatística afirma: Na maioria das vezes, a inferência estatística faz proposições sobre …

21 terminology  descriptive-statistics  inference 

Não sou de forma alguma um estatístico (eu tive um curso de estatística matemática, mas nada além disso) e, recentemente, enquanto estudava teoria da informação e mecânica estatística, conheci uma coisa chamada "medida de incerteza" / "entropia". Eu li a derivação de Khinchin como uma medida de incerteza e isso …

21 entropy  inference 

Como o método de inversão funciona? Digamos que eu tenha uma amostra aleatória com densidade acima de e, por conseguinte, com CDF em . Então, pelo método de inversão, recebo a distribuição de como . f ( x ; θ ) = 1X1,X2,...,XnX1,X2,...,XnX_1,X_2,...,X_n 0<x<1FX(x)=x1/θ(0,1)XF - 1 X(u)=uθf(x;θ)=1θx(1−θ)θf(x;θ)=1θx(1−θ)θf(x;\theta)={1\over \theta} x^{(1-\theta)\over \theta} …

21 r  distributions  inference  random-generation  inverse-cdf 

Para esse modelo de regressão linear univariada, determinado conjunto de dadosyi=β0+β1xi+ϵiyi=β0+β1xi+ϵiy_i = \beta_0 + \beta_1x_i+\epsilon_iD={(x1,y1),...,(xn,yn)}D={(x1,y1),...,(xn,yn)}D=\{(x_1,y_1),...,(x_n,y_n)\} , as estimativas dos coeficientes são β 1 = Σ i x i y i - n ˉ x ˉ y β 0= ˉ y - β 1 ˉ x Aqui está a minha pergunta, …

20 standard-error  inference 

Estou realmente interessado no procedimento de rede elástica para retração / seleção de preditores. Parece muito poderoso. Mas, do ponto de vista científico, não sei bem o que fazer quando obtive os coeficientes. Que pergunta estou respondendo? Essas são as variáveis ​​que mais influenciam esse resultado e esses são os …

19 hypothesis-testing  prediction  inference  lasso  elastic-net 

Em um comentário recentemente publicado aqui, um comentarista apontou para um blog de Larry Wasserman, que aponta (sem nenhuma fonte) que a inferência freqüentista colide com o princípio da probabilidade. O princípio da verossimilhança simplesmente diz que experimentos que produzem funções semelhantes de verossimilhança devem produzir inferência semelhante. Duas partes …

19 inference  likelihood  frequentist  likelihood-principle 

Meu entendimento é que, ao usar uma abordagem bayesiana para estimar valores de parâmetros: A distribuição posterior é a combinação da distribuição anterior e da distribuição de probabilidade. Simulamos isso gerando uma amostra da distribuição posterior (por exemplo, usando um algoritmo Metropolis-Hasting para gerar valores, e os aceitamos se estiverem …

19 bayesian  inference  simulation  mcmc  posterior