Perguntas com a marcação «weighted-regression»

Trabalho com R há algum tempo e já me deparei com coisas como decomposições de PCA, SVD, QR e muitos desses resultados de álgebra linear (ao inspecionar estimativas de regressões ponderadas e outras), então eu queria saber se alguém tem uma recomendação sobre um bom livro abrangente de álgebra linear …

54 references  matrix  linear-algebra  weighted-regression 

Estou um pouco perdido no processo de regressão WLS. Recebi um conjunto de dados e minha tarefa é testar se há uma heterocedência, e, se houver, devo executar a regressão WLS. Eu realizei o teste e encontrei evidências de heterocedência, por isso preciso executar o WLS. Foi-me dito que o …

22 regression  heteroscedasticity  weighted-regression 

Os testes de permutação (também chamados de teste de randomização, teste de re-randomização ou teste exato) são muito úteis e úteis quando a suposição de distribuição normal exigida por, por exemplo, t-testnão é atendida e quando a transformação dos valores pela classificação do teste não-paramétrico como Mann-Whitney-U-testlevaria a mais informações …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Estou muito confuso com a forma como o peso funciona em glm com family = "binomial". No meu entendimento, a probabilidade do glm com family = "binomial" é especificada da seguinte forma: onde é a "proporção de sucesso observado" e é o número conhecido de tentativas.f(y)=(nny)pny(1−p)n(1−y)=exp(n[ylogp1−p−(−log( 1 - p ) …

14 r  logistic  generalized-linear-model  binomial  weighted-regression 

Recentemente, perguntas de navegação aleatória provocaram a memória de comentários de um de meus professores há alguns anos, alertando sobre o uso de proporções em modelos de regressão. Então comecei a ler sobre isso, levando eventualmente a Kronmal 1993. Quero ter certeza de que estou interpretando corretamente as sugestões dele …

14 regression  modeling  interaction  weighted-regression  ratio 

Eu estou procurando uma referência onde está provado que a média harmônica x¯h= n∑ni = 11xEux¯h=n∑Eu=1n1xEu\bar{x}^h = \frac{n}{\sum_{i=1}^n \frac{1}{x_i}} minimiza (em ) a soma dos erros relativos ao quadradozzz ∑i = 1n( ( xEu- z)2xEu) .∑Eu=1n((xEu-z)2xEu).\sum_{i=1}^n \left( \frac{(x_i - z)^2}{x_i}\right).

13 references  mean  error  weighted-regression  harmonic-mean 

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 

Depois de um ano na pós-graduação, meu entendimento de "mínimos quadrados ponderados" é o seguinte: seja , seja algumas \ n p vezes matriz de design \ boldsymbol \ beta \ in \ mathbb {R} ^ p seja um vetor de parâmetro, \ boldsymbol \ epsilon \ in \ mathbb …

12 r  linear-model  weighted-regression 

Entendo a mecânica de calcular os pesos usando as pontuações de propensão : e aplicando os pesos em uma análise de regressão, e que os pesos servem para "controlar" ou desassociar os efeitos das covariáveis ​​nas populações dos grupos de tratamento e controle com a variável de resultado.p(xi)p(xi)p(x_i)wi,j=treatwi,j=control=1p(xi)=11−p(xi)wi,j=treat=1p(xi)wi,j=control=11−p(xi)\begin{align} w_{i, j={\rm …

10 intuition  weighted-regression  propensity-scores 

No Rque pudermos "peso antes" uma glmregressão via pesos parâmetro. Por exemplo: glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w) Como isso pode ser feito em um JAGSou BUGSmodelo? Encontrei algum artigo discutindo isso, mas nenhum deles fornece um exemplo. Estou interessado principalmente em exemplos de Poisson …

10 bayesian  generalized-linear-model  jags  bugs  weighted-regression 

Alguém poderia me dizer por que estou obtendo resultados diferentes de Rmínimos quadrados ponderados e solução manual por operação de matriz ? Especificamente, estou tentando resolver manualmente , onde é a matriz diagonal dos pesos, é a matriz de dados, é a resposta vetor. W A bW A x = …

9 r  regression  least-squares  weighted-regression  weighted-data 

Estou usando uma versão padrão da regressão logística para ajustar minhas variáveis ​​de entrada às variáveis ​​de saída binária. No entanto, no meu problema, as saídas negativas (0s) são muito superiores às saídas positivas (1s). A proporção é 20: 1. Então, quando eu treino um classificador, parece que mesmo os …

9 regression  logistic  weighted-regression 

Suponha que observemos os dados e gostaríamos de ajustar um modelo de regressão para . Infelizmente, às vezes é medido com erros cuja média é diferente de zero.Y, XY,XY, XE [ Y|X]E[Y|X]\mathbf{E}[Y \,|\, X]YYY Deixe indicando se é medido com erros médios clássicos de zero ou erros médios diferentes de …

8 regression  bias  measurement-error  weighted-regression 

Eu tenho um conjunto de dados com uma variável de resposta binária (sobrevivência) e três variáveis ​​explicativas ( A= 3 níveis, B= 3 níveis, C= 6 níveis). Nesse conjunto de dados, os dados são bem equilibrados, com 100 indivíduos por ABCcategoria. Eu já estudou o efeito destes A, Be Cvariáveis …

8 logistic  unbalanced-classes  weighted-regression  rare-events  case-control-study 

Meu projeto atual pode exigir que eu construa um modelo para prever o comportamento de um determinado grupo de pessoas. o conjunto de dados de treinamento contém apenas 6 variáveis ​​(id é apenas para fins de identificação): id, age, income, gender, job category, monthly spend em que monthly spendé a …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data