Comment puis-je calculer l'intervalle de confiance d'une moyenne dans un échantillon non distribué normalement? Je comprends que les méthodes d'amorçage sont couramment utilisées ici, mais je suis ouvert à d'autres options. Pendant que je recherche une option non paramétrique, si quelqu'un peut me...
Supposons que j'ai des données avec deux groupes indépendants: g1.lengths <- c (112.64, 97.10, 84.18, 106.96, 98.42, 101.66) g2.lengths <- c (84.44, 82.10, 83.26, 81.02, 81.86, 86.80, 85.84, 97.08, 79.64, 83.32, 91.04, 85.92, 73.52, 85.58, 97.70, 89.72, 88.92, 103.72, 105.02, 99.48, 89.50,...
Disons que j'ai un échantillon et l' échantillon de bootstrap de cet échantillon pour un stastitique (par exemple la moyenne). Comme nous le savons tous, cet échantillon bootstrap estime la distribution d'échantillonnage de l'estimateur de la statistique.χχ\chi Maintenant, la moyenne de cet...
En étudiant l'intervalle de confiance basé sur le bootstrap, j'ai lu une fois la déclaration suivante: Si la distribution de bootstrap est biaisée vers la droite, l'intervalle de confiance basé sur le bootstrap incorpore une correction pour déplacer les points d'extrémité encore plus vers la...
Je lis actuellement "Toutes les statistiques" de Larry Wasserman et je suis perplexe à propos de quelque chose qu'il a écrit dans le chapitre sur l'estimation des fonctions statistiques des modèles non paramétriques. Il a écrit "Parfois, nous pouvons trouver l'erreur-type estimée d'une fonction...
J'ai une question concernant la technique d'amorçage appropriée à utiliser avec des données où un clustering puissant est présent. J'ai été chargé d'évaluer un modèle prédictif multivarié à effets mixtes sur les données de sinistres d'assurance en notant le modèle de référence actuel sur les...
Lors de l'utilisation du bootstrap pour l'évaluation de modèles, j'ai toujours pensé que les échantillons hors sac étaient directement utilisés comme ensemble de test. Cependant, cela ne semble pas être le cas pour l' approche obsolète de scikit-learnBootstrap , qui semble construire l'ensemble de...
"Validation Bootstrap" / "validation croisée de rééchantillonnage" est nouveau pour moi, mais a été discuté par la réponse à cette question . Je suppose que cela implique 2 types de données: les données réelles et les données simulées, où un ensemble donné de données simulées est généré à partir...
Les tests de permutation (également appelés test de randomisation, test de re-randomisation ou test exact) sont très utiles et s'avèrent utiles lorsque l'hypothèse de distribution normale requise par exemple t-testn'est pas remplie et lorsque la transformation des valeurs par classement des un test...
Je suis relativement nouveau dans les statistiques. Le concept de bootstrapping m'a dérouté. Je sais que la normalité de la distribution d'échantillonnage est requise pour utiliser certains tests tels que le test t. Dans les cas où les données ne sont pas normalement distribuées, en demandant le...
Supposons que l'on effectue le bootstrap dit non paramétrique en tirant échantillons de taille n chacun à partir des n observations originales avec remplacement. Je crois que cette procédure équivaut à estimer la fonction de distribution cumulative par le cdf empirique:BBBnnnnnn...
J'ai du mal à comprendre comment utiliser le bootstrap pour calculer les intervalles de prédiction pour un modèle de régression linéaire. Quelqu'un peut-il décrire une procédure étape par étape? J'ai cherché via google mais rien n'a vraiment de sens pour moi. Je comprends comment utiliser le...
Je lis le chapitre sur les statistiques fréquentes du livre de Kevin Murphy " Machine Learning - A Probabilistic Perspective ". La section sur le bootstrap se lit comme suit: Le bootstrap est une technique Monte Carlo simple pour approximer la distribution d'échantillonnage. Ceci est...
J'ai un vecteur de nombres que j'ai téléchargé ici (... / code / MyData.Rdata) en utilisant dput. Je voudrais obtenir le bca ci donc j'ai écrit ce code: my.mean <- function(dat, idx){ return (mean(dat[idx], na.rm = TRUE)) } boot.out<-boot(data=my.data, statistic = my.mean, R=1000) Mais quand...
Je cherchais récemment des moyens de rééchantillonner des séries chronologiques, Préserve approximativement l'auto-corrélation des longs processus de mémoire. Préserver le domaine des observations (par exemple une série temporelle rééchantillonnée d'entiers est toujours une série temporelle...
Je veux savoir si le processus décrit ci-dessous est valide / acceptable et toute justification disponible. L'idée: les algorithmes d'apprentissage supervisé ne supposent pas de structures / distributions sous-jacentes sur les données. À la fin de la journée, ils produisent des estimations...
Je voulais juste vous demander quels sont, selon vous, les meilleurs livres disponibles sur le bootstrap. Par cela, je ne veux pas nécessairement dire celui écrit par ses développeurs. Pourriez-vous s'il vous plaît indiquer quel manuel est selon vous le meilleur pour le bootstrap qui couvre les...
En lisant comment approximer la distribution de la moyenne de l'échantillon, je suis tombé sur la méthode de bootstrap non paramétrique. Apparemment, on peut approximer la distribution de X¯n−μX¯n−μ\bar{X}_n-\mu par la distribution de , où désigne la moyenne de l'échantillon de l'échantillon...
Le bootstrap fonctionne bien pour accéder à l'incertitude de l'estimation moyenne, mais je me souviens avoir lu quelque part que le bootstrap ne fait pas du bon travail pour évaluer l'incertitude des estimations quantiles (en particulier la médiane). Je ne me souviens pas où j'ai lu cela, et je...
Supposons que j'ai deux ensembles de données avec n observations de paires de données de variable indépendante x et de variable dépendante y chacune. Supposons en outre que je souhaite générer une distribution des pentes de régression pour chaque ensemble de données en amorçant les observations...