Questions marquées «bias»

Différence entre la valeur attendue d'un estimateur de paramètre et la valeur réelle du paramètre. N'utilisez PAS cette balise pour faire référence au [biais-terme] / [biais-nœud] (c'est-à-dire [l'interception]).

1
Quand le mot «biais» a-t-il été inventé pour signifier ?
Quand le mot «biais» a-t-il été inventé pour signifier ?E [ θ^- θ ]E[θ^−θ]\mathbb{E}[\hat{\theta}-\theta] La raison pour laquelle j'y pense en ce moment est parce que je semble me rappeler Jaynes, dans son texte de théorie des probabilités , critiquant l'utilisation du mot "biais" utilisé pour décrire cette formule et …
1
Biais variable omis dans la régression logistique vs biais variable omis dans la régression des moindres carrés ordinaires
J'ai une question sur le biais variable omis dans la régression logistique et linéaire. Supposons que j'omet certaines variables d'un modèle de régression linéaire. Imaginez que ces variables omises ne sont pas corrélées avec les variables que j'ai incluses dans mon modèle. Ces variables omises ne biaisent pas les coefficients …
2
Question sur le compromis biais-variance
J'essaie de comprendre le compromis biais-variance, la relation entre le biais de l'estimateur et le biais du modèle, et la relation entre la variance de l'estimateur et la variance du modèle. Je suis arrivé à ces conclusions: Nous avons tendance à surajuster les données lorsque nous négligeons le biais de …
1
Minimiser les biais dans la modélisation explicative, pourquoi? («Pour expliquer ou prédire» de Galit Shmueli)
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 représentation la plus précise de la théorie …
2
Variation élevée de la validation croisée avec absence
J'ai lu maintes et maintes fois que la validation croisée "Leave-one-out" a une grande variance en raison du grand chevauchement des plis de formation. Cependant, je ne comprends pas pourquoi: les performances de la validation croisée ne devraient-elles pas être très stables (faible variance) exactement parce que les ensembles d'entraînement …
1
Problème de paramètre accessoire
J'ai toujours du mal à obtenir la véritable essence du problème des paramètres accessoires. J'ai lu à plusieurs reprises que les estimateurs à effets fixes des modèles de données de panel non linéaires peuvent être gravement biaisés en raison du problème de paramètre incident "bien connu". Lorsque je demande une …
2
Pour quels modèles le biais du MLE chute-t-il plus vite que la variance?
θ^θ^\hat\thetaθ∗θ∗\theta^*nnn∥θ^−θ∗∥‖θ^−θ∗‖\lVert\hat\theta-\theta^*\rVertO(1/n−−√)O(1/n)O(1/\sqrt n)∥Eθ^−θ∗∥‖Eθ^−θ∗‖\lVert \mathbb E\hat\theta - \theta^*\rVert∥Eθ^−θ^∥‖Eθ^−θ^‖\lVert \mathbb E\hat\theta - \hat\theta\rVertO(1/n−−√)O(1/n)O(1/\sqrt{n}) Je m'intéresse aux modèles qui ont un biais qui rétrécit plus rapidement que O(1/n−−√)O(1/n)O(1/\sqrt n) , mais où l'erreur ne diminue pas à ce rythme plus rapide car l'écart se rétrécit toujours comme O(1/n−−√)O(1/n)O(1/\sqrt n) . En particulier, je voudrais …
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.