Utilisez cette balise pour poser des questions sur la nature des méthodes non paramétriques ou paramétriques, ou la différence entre les deux. Les méthodes non paramétriques reposent généralement sur peu d'hypothèses sur les distributions sous-jacentes, tandis que les méthodes paramétriques font des hypothèses qui permettent de décrire les données par un petit nombre de paramètres.
Certaines hypothèses peuvent être vérifiées à l'aide du test t de Student (peut-être à l'aide de la correction de Welch pour les variances inégales dans le cas à deux échantillons), ou par un test non paramétrique comme le test de Wilcoxon apparié signé, le test de Wilcoxon-Mann-Whitney U, ou le...
Lors de la résolution de problèmes métiers à l'aide de données, il est courant qu'au moins une hypothèse clé selon laquelle les statistiques classiques sous-goupilles sont invalides est invalide. La plupart du temps, personne ne se soucie de vérifier ces hypothèses pour ne jamais le savoir. Par...
Dans quels cas doit-on préférer l'un à l'autre? J'ai trouvé quelqu'un qui revendique un avantage pour Kendall, pour des raisons pédagogiques , y a-t-il d'autres
Quelqu'un peut-il m'expliquer pourquoi quelqu'un choisirait-il une méthode statistique paramétrique plutôt qu'une méthode statistique non paramétrique pour le test d'hypothèses ou l'analyse de régression? Dans mon esprit, c'est comme opter pour le rafting et choisir une montre qui ne résiste pas à...
J'ai des données provenant d'une expérience que j'ai analysée à l'aide de tests t. La variable dépendante est mise à l'échelle par intervalles et les données sont soit non appariées (c'est-à-dire 2 groupes), soit appariées (c'est-à-dire intra-sujets). Par exemple (au sein des sujets): x1 <-...
Je me demande si cela fait une différence d'interprétation si seules les variables dépendantes, indépendantes et dépendantes, ou uniquement les variables indépendantes sont transformées par un journal. Considérons le cas de log(DV) = Intercept + B1*IV + Error Je peux interpréter l'IV comme...
Cette question me hante depuis plus d'un mois. Le numéro de février 2015 d' Amstat News contient un article du professeur Berkeley, Mark van der Laan, qui réprimande les gens pour l'utilisation de modèles inexacts. Il déclare qu'en utilisant des modèles, la statistique est alors un art plutôt...
Il existe plusieurs techniques de ré - échantillonnage populaires, qui sont souvent utilisés dans la pratique, comme bootstrapping, test de permutation, jackknife, etc. Il existe de nombreux articles et livres traitent de ces techniques, par exemple Philippe I Bon (2010) Permutation, Parametric et...
Les arbres de décision semblent être une méthode d’apprentissage automatique très compréhensible. Une fois créé, il peut être facilement inspecté par un humain, ce qui constitue un avantage considérable pour certaines applications. Quels sont les inconvénients pratiques des arbres de...
Les modèles additifs généralisés sont ceux où par exemple. les fonctions sont lisses et à estimer. Habituellement par des cannelures pénalisées. MGCV est un paquetage en R qui le fait, et l'auteur (Simon Wood) écrit un livre sur son paquetage avec des exemples R. Ruppert et coll. (2003) écrivent un...
Des distributions très asymétriques telles que le log-normal n'entraînent pas des intervalles de confiance bootstrap précis. Voici un exemple montrant que les zones arrière gauche et droite sont loin de la valeur idéale de 0,025, quelle que soit la méthode d'amorçage que vous essayez dans R:...
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 il y a 2 ans . J'utilise caret pour exécuter une forêt aléatoire validée de façon...
J'ai entendu parler de la probabilité empirique d'Owen, mais jusqu'à récemment, je n'y ai pas prêté attention avant de l'avoir trouvé dans un document d'intérêt ( Mengersen et al. 2012 ). Dans mes efforts pour le comprendre, j'ai glané que la probabilité des données observées est représentée comme...
Je suis un peu confus. Pourquoi les processus gaussiens sont-ils appelés modèles non paramétriques? Ils supposent que les valeurs fonctionnelles, ou un sous-ensemble d'entre elles, ont un a priori gaussien avec une moyenne 0 et une fonction de covariance donnée comme fonction du noyau. Ces...
Est-il vrai que les méthodes bayésiennes ne conviennent pas? (J'ai vu des articles et des tutoriels faisant cette affirmation) Par exemple, si nous appliquons un processus gaussien au MNIST (classification des chiffres manuscrits), mais que nous ne lui montrons qu'un seul échantillon,...
En lisant le test KS à 2 échantillons, je comprends exactement ce qu'il fait, mais je ne comprends pas pourquoi cela fonctionne . En d'autres termes, je peux suivre toutes les étapes pour calculer les fonctions de distribution empiriques, trouver la différence maximale entre les deux pour trouver...
J'utilise JMP pour examiner les différences de couverture végétale dans les groupes de formes de croissance (arbres, arbustes, forbes, etc.) avant et après trois traitements avec un témoin. Ma taille d'échantillon est petite (n = 5) et la plupart de mes distributions ne sont pas normalement...
J'ai l'impression que cela a peut-être été demandé ailleurs, mais pas vraiment avec le type de description de base dont j'ai besoin. Je sais que non paramétrique s'appuie sur la médiane au lieu de la moyenne pour comparer ... quelque chose. Je crois également qu'il repose sur des "degrés de...
Salut, j'essaie de trouver l'équivalent non paramétrique d'une ANOVA bidirectionnelle (conception 3x4) qui est capable d'inclure des interactions. D'après ma lecture de Zar 1984 "Analyse biostatistique", cela est possible en utilisant une méthode proposée par Scheirer, Ray et Hare (1976),...
Existe-t-il un test statistique paramétrique et non paramétrique? Cette question a été posée par un panel d'entrevues. Est-ce une question