Questions marquées «assumptions»

Désigne les conditions dans lesquelles une procédure statistique produit des estimations et / ou des inférences valides. Par exemple, de nombreuses techniques statistiques nécessitent l'hypothèse que les données sont échantillonnées au hasard d'une manière ou d'une autre. Les résultats théoriques sur les estimateurs nécessitent généralement des hypothèses sur le mécanisme de génération des données.



8
Générer une variable aléatoire avec une corrélation définie avec une ou plusieurs variables existantes
Pour une étude de simulation , je dois générer des variables aléatoires qui montrent une corrélation prefined (population) à une variable existante .YYY J'ai examiné les Rpackages copulaet ceux CDVinequi peuvent produire des distributions multivariées aléatoires avec une structure de dépendance donnée. Cependant, il n'est pas possible de fixer l'une …

3
Pourquoi nous soucions-nous tant des termes d'erreur (et de l'homoscédasticité) normalement distribués dans la régression linéaire alors que nous n'en avons pas besoin?
Je suppose que je suis frustré chaque fois que j'entends quelqu'un dire que la non-normalité des résidus et / ou l'hétéroscédasticité enfreignent les suppositions de la méthode MCO. Pour estimer les paramètres dans un modèle MLS, aucune de ces hypothèses n'est nécessaire selon le théorème de Gauss-Markov. Je vois à …

3
ANOVA hypothèse normalité / distribution normale des résidus
La page Wikipedia sur ANOVA énumère trois hypothèses , à savoir: Indépendance des cas - il s'agit d'une hypothèse du modèle qui simplifie l'analyse statistique. Normalité - les distributions des résidus sont normales. Égalité (ou "homogénéité") des variances, appelée homoscédasticité ... Le point d’intérêt ici est la deuxième hypothèse. Plusieurs …



2
Interprétation de la courbe des résidus par rapport aux valeurs ajustées pour la vérification des hypothèses d'un modèle linéaire
Examinons la figure suivante tirée de Modèles linéaires avec R de Faraway (2005, p. 59). Le premier graphique semble indiquer que les valeurs résiduelles et ajustées ne sont pas corrélées, car elles devraient figurer dans un modèle linéaire homoscédastique avec des erreurs distribuées normalement. Par conséquent, les deuxième et troisième …



1
Dans quelle mesure un modèle de régression est-il incorrect lorsque les hypothèses ne sont pas remplies?
Lors de l'ajustement d'un modèle de régression, que se passe-t-il si les hypothèses des résultats ne sont pas remplies, en particulier: Que se passe-t-il si les résidus ne sont pas homoscédastiques? Si les résidus montrent une tendance à la hausse ou à la baisse dans les résidus par rapport au …

3
Que signifie «observations indépendantes»?
J'essaie de comprendre ce que l' hypothèse d'observations indépendantes signifie. Certaines définitions sont: "Deux événements sont indépendants si et seulement si ." ( Dictionnaire des termes statistiques )P(a∩b)=P(a)∗P(b)P(a∩b)=P(a)∗P(b)P(a \cap b) = P(a) * P(b) "l'occurrence d'un événement ne change pas la probabilité d'un autre" ( Wikipedia ). "l'échantillonnage d'une observation …

5
Quels sont les dangers de violer l'hypothèse d'homoscédasticité pour la régression linéaire?
À titre d'exemple, considérons l' ChickWeightensemble de données dans R. La variance augmente évidemment avec le temps, donc si j'utilise une régression linéaire simple comme: m <- lm(weight ~ Time*Diet, data=ChickWeight) Mes questions: Quels aspects du modèle seront discutables? Les problèmes se limitent-ils à extrapoler en dehors de la Timeplage? …



En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.