J'ai passé la journée à découvrir le package bnlearn dans R pour découvrir que les modèles bayésiens ne fonctionnent pas avec les graphes non orientés. J'essaie d'en savoir plus sur le Markov Random Field Network, et jusqu'à présent, tout ce que j'ai pu faire est de créer la structure graphique à...
Supposons que j'ai un ensemble de données (xi,yi)(xi,yi){(x_i,y_i)} dans lequel l'incertitude des mesures (Δxi,Δyi)(Δxi,Δyi){(\Delta x_i,\Delta y_i)}(qui proviennent de la propagation d'erreurs systématiques de l'appareil de mesure) est différent pour chaque point. Si je fais une régression...
Je travaille actuellement à modéliser les décès dus au sida au fil du temps à l'aide d'un GLM dans R. Je sais qu'il existe deux options possibles pour la fonction de lien pour les données de Poisson, le logarithme et la racine carrée. Je sais que la racine carrée atténuerait les problèmes de...
Est-il possible de construire un modèle statistique qui prédit le prochain mouvement dans un graphique uniquement basé sur les mouvements passés et la structure du graphique? J'ai fait un exemple pour illustrer le problème: Le temps est discret . À chaque tour, vous restez à votre nœud / sommet...
Pourquoi un GLM prédit-il la moyenne et non le mode d'un signal? Cela ne contredit-il pas le fondement même du GLM, c'est-à-dire le maximum de vraisemblance? Les équations à résoudre pour les paramètres du modèle dans un GLM sont basées sur la maximisation de la vraisemblance comme décrit par la...
J'ai une régression logistique binaire avec un seul prédicteur à facteur fixe binaire. La raison pour laquelle je ne le fais pas en tant que chi carré ou test exact de Fisher est que j'ai également un certain nombre de facteurs aléatoires (il y a plusieurs points de données par individu et les...
Dans la classe de méthodes statistiques au niveau MS que je prends, j'ai appris différents modèles linéaires pour la conception expérimentale. Prenons, par exemple, pour le modèle RCBD (Randomized Complete Block Design) ( représentant le bloc, représentant les traitements), représentant les effets...
J'ai implémenté l' algorithme Viterbi et Forward , hélas, je ne peux pas comprendre comment fonctionne l' algorithme Backward . Intuitivement, je sens que je dois faire la même chose que dans Forward uniquement vers l'arrière, en utilisant les valeurs calculées pendant la propagation vers l'avant ....
Étant donné une probabilité gaussienne pour un échantillon comme avec étant l'espace des paramètres et , paramétrisations arbitraires du vecteur moyen et de la matrice de covariance.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) =
J'enseigne la physique à des élèves du secondaire et j'aimerais que mes élèves effectuent une comparaison rudimentaire de modèles bayésiens pour les données de leurs expériences. J'ai trouvé un moyen pour eux de le faire (voir ci-dessous), mais je ne suis pas certain que ce soit correct....
J'ai lu les excellents commentaires sur la façon de traiter les valeurs manquantes avant d'appliquer SVD, mais j'aimerais savoir comment cela fonctionne avec un exemple simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Étant donné la matrice ci-dessus, si je...
Fermé. Cette question est hors sujet . Il n'accepte pas actuellement de réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé l'année dernière . J'essaie d'adapter le modèle linéaire généralisé pour la famille...
Il semble que je puisse très bien apprendre les paramètres et trouver les probabilités postérieures pour les données d'entraînement, mais je n'ai aucune idée de comment faire de nouvelles prédictions sur de nouvelles données. Le problème vient en particulier des probabilités de transition changeant...
Permettez-moi d'abord de donner quelques informations; Je résumerai mes questions à la fin. La distribution bêta, paramétrée par sa moyenne et , a , où est la fonction de variance.μμ\muϕϕ\phiVar(Y)=V(μ)/(ϕ+1)Var(Y)=V(μ)/(ϕ+1)\operatorname{Var}(Y) =
Considérez la régression binomiale suivante: # Create some data set.seed(10) n <- 500 x <- runif(n,0,100) y <- x + rnorm(n,sd=100) < 0 # Fit a binomial regression model model <- glm(y ~ x, family="binomial") summary(model) La summaryfonction renvoie une valeur de p de 1.03e-05....
Je lisais cette page sur Princeton.edu . Ils effectuent une régression logistique (avec R). À un moment donné, ils calculent la probabilité d'obtenir une déviance résiduelle supérieure à celle qu'ils ont obtenue sur une avec des degrés de liberté égaux aux degrés de liberté du modèle. Copier-coller...
J'ai rencontré ce problème à plusieurs reprises maintenant, avec des examinateurs demandant plus de justification pour l'utilisation des LMM, des tests traditionnels au lieu ou en plus des LMM, et des tableaux complets d'estimations des paramètres similaires à ce que vous rapporteriez avec un...
Une propriété fondamentale de la régression à effets aléatoires est que les estimations d'interception aléatoire sont "rétrécies" vers la moyenne globale de la réponse en fonction de la variance relative de chaque estimation. U^j=ρjy¯j+(1−ρj)y¯U^j=ρjy¯j+(1−ρj)y¯\hat{U}_j = \rho_j \bar{y}_j +...
Prenons l'exemple simple suivant: library( rms ) library( lme4 ) params <- structure(list(Ns = c(181L, 191L, 147L, 190L, 243L, 164L, 83L, 383L, 134L, 238L, 528L, 288L, 214L, 502L, 307L, 302L, 199L, 156L, 183L), means = c(0.09, 0.05, 0.03, 0.06, 0.07, 0.07, 0.1, 0.1, 0.06, 0.11, 0.1, 0.11, 0.07,...
Nous avons discuté de l'utilité des estimateurs groupés OLS et RE par rapport à FE. Donc, pour autant que je sache, l'estimation OLS groupée est simplement une technique OLS exécutée sur des données Panel. Par conséquent, tous les effets spécifiques à chaque individu sont complètement ignorés. Pour...