Statistiques et Big Data bias

1

Biais variable omis dans la régression linéaire

J'ai une question philosophique concernant le biais variable omis. Nous avons le modèle de régression typique (modèle de population) où proviennent les échantillons , puis un tas de conditions dans lesquelles les estimations de l'OLS se comportent assez bien.Y=β0+β1X1+...+βnXn+υ,Y=β0+β1X1+...+βnXn+υ, Y= \beta_0 + \beta_1X_1 + ... + \beta_nX_n + \upsilon, (Y,X1,...,Xn)(Y,X1,...,Xn)(Y,X_1,...,X_n) …

8 regression model-selection assumptions bias

3

Estimation des paramètres de la distribution exponentielle avec échantillonnage biaisé

Je veux calculer le paramètre λλ\lambda de la distribution exponentielle e- λ xe−λxe^{-\lambda x}à partir d'un échantillon de population extrait de cette distribution dans des conditions biaisées. Pour autant que je sache, pour un échantillon de n valeurs, l'estimateur habituel estλ^=n∑Xjeλ^=n∑xi\hat{\lambda} = \frac{n}{\sum x_i}. Cependant, mon échantillon est biaisé comme …

8 distributions estimation bias unbiased-estimator exponential

3

Test post hoc dans une conception mixte 2x3 ANOVA utilisant SPSS?

J'ai deux groupes de 10 participants qui ont été évalués trois fois au cours d'une expérience. Pour tester les différences entre les groupes et entre les trois évaluations, j'ai exécuté une ANOVA de conception mixte 2x3 avec group(contrôle, expérimental), time(premier, deuxième, trois) et group x time. Les deux timeet grouprésulté …

8 anova mixed-model spss post-hoc bonferroni time-series unevenly-spaced-time-series classification normal-distribution discriminant-analysis probability normal-distribution estimation sampling classification svm terminology pivot-table random-generation self-study estimation sampling estimation categorical-data maximum-likelihood excel least-squares instrumental-variables 2sls total-least-squares correlation self-study variance unbiased-estimator bayesian mixed-model ancova statistical-significance references p-value fishers-exact probability monte-carlo particle-filter logistic predictive-models modeling interaction survey hypothesis-testing multiple-regression regression variance data-transformation residuals minitab r time-series forecasting arima garch correlation estimation least-squares bias pca predictive-models genetics sem partial-least-squares nonparametric ordinal-data wilcoxon-mann-whitney bonferroni wilcoxon-signed-rank traminer regression econometrics standard-error robust misspecification r probability logistic generalized-linear-model r-squared effect-size gee ordered-logit bayesian classification svm kernel-trick nonlinear bayesian pca dimensionality-reduction eigenvalues probability distributions mathematical-statistics estimation nonparametric kernel-smoothing expected-value filter mse time-series correlation data-visualization clustering estimation predictive-models recommender-system sparse hypothesis-testing data-transformation parametric probability summations correlation pearson-r spearman-rho bayesian replicability dimensionality-reduction discriminant-analysis outliers weka

3

OLS:

Supposons que sont des séries chronologiques avec , ( et est similaire à celle de , mais change lorsque le mannequin = 1). et , . Dans un contexte réel, il s'agira de rendements boursiers périodiques sur entreprises (mais vous pouvez ignorer cela). Il existe un mannequin, qui est égal …

8 time-series least-squares residuals bias

2

Biais sur-appariés et variables confondantes

Si je comprends bien, l'appariement est un moyen d'identifier la causalité dans les études d'observation. En faisant correspondre des observations qui sont «similaires» et en comparant celles qui ont reçu ou non un traitement, vous pouvez considérer cela comme une sorte de quasi-expérience. Qu'est-ce que l'overmatching? Quel genre de parti …

8 epidemiology bias confounding matching

Questions marquées «bias»