J'utilise Lasso pour la sélection d'entités dans un cadre dimensionnel relativement bas (n >> p). Après avoir ajusté un modèle Lasso, je veux utiliser les covariables avec des coefficients non nuls pour ajuster un modèle sans pénalité. Je fais cela parce que je veux des estimations...
Pour la distribution normale, il existe un estimateur non biaisé de l'écart-type donné par: σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2−−−−−−−−−−−−√σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2\hat{\sigma}_\text{unbiased} = \frac{\Gamma(\frac{n-1}{2})}{\Gamma(\frac{n}{2})}...
Diverses descriptions sur la sélection des modèles sur les effets aléatoires des modèles mixtes linéaires indiquent l'utilisation de REML. Je connais la différence entre REML et ML à un certain niveau, mais je ne comprends pas pourquoi REML devrait être utilisé parce que ML est biaisé. Par exemple,...
Si je comprends bien, les écoles britanniques enseignent que l'écart-type se trouve en utilisant: alors que les écoles américaines enseignent: (au niveau de base de toute façon). Cela a causé un certain nombre de problèmes à mes étudiants dans le passé, car ils ont cherché sur Internet, mais ils...
Supposons que vous ajustiez une régression linéaire / logistique , dans le but d'une estimation non biaisée de . Vous êtes très confiant que et sont très positifs par rapport au bruit dans leurs estimations.a 1g(y)=a0+a1⋅x1+a2⋅x2g(y)=a0+a1⋅x1+a2⋅x2g(y) = a_0 + a_1\cdot x_1 + a_2\cdot x_2...
Pour un modèle linéaire, la solution OLS fournit le meilleur estimateur linéaire sans biais pour les paramètres. Bien sûr, nous pouvons échanger un biais pour une variance plus faible, par exemple la régression des crêtes. Mais ma question concerne l'absence de parti pris. Existe-t-il d'autres...
Cette question fait référence à l'article de Galit Shmueli "Expliquer ou prédire" . Plus précisément, dans la section 1.5, «Expliquer et prédire sont différents», le professeur Shmueli écrit: Dans la modélisation explicative, l'accent est mis sur la minimisation du biais pour obtenir la...
L'approche courante pour estimer les paramètres d'une distribution normale consiste à utiliser la moyenne et l'écart-type / variance de l'échantillon. Cependant, s'il y a des valeurs aberrantes, la médiane et l'écart médian par rapport à la médiane devraient être beaucoup plus robustes, non? Sur...
Il s'agit d'un suivi mais aussi d'une question différente de ma précédente . J'ai lu sur Wikipédia que " Un estimateur sans biais médian minimise le risque par rapport à la fonction de perte par écart absolu, comme l'a observé Laplace ." Cependant, mes résultats de simulation Monte Carlo ne...
J'essaie d'obtenir une compréhension intuitive et de ressentir la différence et la différence pratique entre le terme cohérent et asymptotiquement impartial. Je connais leurs définitions mathématiques / statistiques, mais je cherche quelque chose d'intuitif. Pour moi, en regardant leurs définitions...
Une base de données de (population, superficie, forme) peut être utilisée pour cartographier la densité de population en attribuant une valeur constante de population / superficie à chaque forme (qui est un polygone tel qu'un bloc de recensement, un secteur, un comté, un état, etc.). Cependant, les...
Le théorème de Gauss-Markov nous dit que l'estimateur OLS est le meilleur estimateur linéaire sans biais pour le modèle de régression linéaire. Mais supposons que je ne me soucie pas de la linéarité et de l'impartialité. Existe-t-il alors un autre estimateur (non linéaire / biaisé possible) pour le...
Supposons que sont des variables aléatoires iid qui suivent la distribution de Poisson avec la moyenne . Comment puis-je prouver qu'il n'y a pas d'estimateur non biaisé de la quantité ?X0,X1,…,XnX0,X1,…,Xn X_{0},X_{1},\ldots,X_{n} λλ \lambda 1λ1λ \dfrac{1}{\lambda}
Supposons que X∼N(μx,σ2x)X∼N(μx,σx2)X \sim \mathcal{N}(\mu_x, \sigma^2_x) et Y∼N(μy,σ2y)Y∼N(μy,σy2)Y \sim \mathcal{N}(\mu_y, \sigma^2_y) z=min(μx,μy)z=min(μx,μy)z = \min(\mu_x, \mu_y)zzz L'estimateur simple de où et sont par exemple des moyennes d'échantillon de et , est biaisé (bien que cohérent)....
Je travaille sur certaines données syntaxiques pour le modèle Error In Variable pour certaines recherches. Actuellement, j'ai une seule variable indépendante et je suppose que je connais la variance pour la vraie valeur de la variable dépendante. Donc, avec cette information, je peux obtenir un...
Supposons que nous ayons un ensemble (mesurable et convenablement bien comporté) S⊆B⊂RnS⊆B⊂RnS\subseteq B\subset\mathbb R^n , où BBB est compact. De plus, supposons que nous puissions tirer des échantillons de la distribution uniforme sur BBB rapport à la mesure de Lebesgue λ(⋅)λ(⋅)\lambda(\cdot)...
Remarque: cette question est une rediffusion, car ma question précédente a dû être supprimée pour des raisons juridiques. En comparant PROC MIXED de SAS avec la fonction lmedu nlmepackage dans R, je suis tombé sur des différences assez confuses. Plus précisément, les degrés de liberté dans les...
Est-ce que chacun implique l'autre? Sinon, l'un implique-t-il l'autre? Pourquoi pourquoi pas? Ce problème est survenu en réponse à un commentaire sur une réponse que j'ai publiée ici . Bien que google recherchant les termes pertinents n'ait rien produit qui semblait particulièrement utile, j'ai...
Je lis le document de théorie de Doug Bates sur le package lme4 de R pour mieux comprendre les moindres détails des modèles mixtes, et suis tombé sur un résultat intrigant que j'aimerais mieux comprendre, à propos de l'utilisation du maximum de vraisemblance restreint (REML) pour estimer la...
Considérons un modèle AR ( ) (en supposant une moyenne nulle pour la simplicité):ppp Xt= φ1Xt - 1+ … + ΦpXt - p+ εtXt=φ1Xt-1+…+φpXt-p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t L'estimateur OLS (équivalent à l' estimateur du maximum de vraisemblance conditionnel ) pour...