Questions marquées «binomial»

La distribution binomiale donne les fréquences des "succès" dans un nombre fixe d '"essais" indépendants. Utilisez cette balise pour les questions sur les données qui pourraient être distribuées binomialement ou pour les questions sur la théorie de cette distribution.

2
Distribution des données en pourcentage
J'ai une question sur la distribution correcte à utiliser pour créer un modèle avec mes données. J'ai effectué un inventaire forestier avec 50 parcelles, chaque parcelle mesure 20m × 50m. Pour chaque parcelle, j'ai estimé le pourcentage de couvert arboré qui ombrage le sol. Chaque parcelle a une valeur, en …
2
Distribution et variance du nombre de triangles dans le graphique aléatoire
Considérons un graphe aléatoire Erdos-Renyi . L'ensemble des sommets est étiqueté par . L'ensemble des arêtes est construit par un processus aléatoire.G=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p))nnnVVVV={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\}EEE Soit une probabilité , puis chaque paire non ordonnée de sommets ( ) se présente comme une arête dans de probabilité , indépendamment des autres paires.ppp0&lt;p&lt;10&lt;p&lt;10<p<1{i,j}{i,j}\{i,j\}i≠ji≠ji …
1
Pourquoi une proportion d'échantillon n'a-t-elle pas également une distribution binomiale
Dans un cadre binomial, la variable aléatoire, X, qui donne le nombre de succès est distribuée binomialement. La proportion d'échantillon peut alors être calculée comme où est la taille de votre échantillon. Mon manuel déclare queXnXn\frac{X}{n}nnn Cette proportion n'a pas de distribution binomiale cependant, comme est simplement une version à …
1
Déterminer la taille de l'échantillon avec une proportion et une distribution binomiale
J'essaie d'apprendre quelques statistiques en utilisant le livre, Biometry by Sokal and Rohlf (3e). Il s'agit d'un exercice du 5ème chapitre qui couvre la probabilité, la distribution binomiale et la distribution de Poisson. Je me rends compte qu'il existe une formule pour produire une réponse à cette question: Cependant, cette …
1
Comment intégrer une valeur aberrante innovante à l'observation 48 dans mon modèle ARIMA?
Je travaille sur un ensemble de données. Après avoir utilisé certaines techniques d'identification de modèle, je suis sorti avec un modèle ARIMA (0,2,1). J'ai utilisé la detectIOfonction dans le package TSAen R pour détecter une valeur aberrante innovante (IO) à la 48e observation de mon ensemble de données d'origine. Comment …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 
2
Quelle est la différence entre la régression linéaire transformée logit, la régression logistique et un modèle mixte logistique?
Supposons que j'ai 10 élèves qui tentent chacun de résoudre 20 problèmes mathématiques. Les problèmes sont notés correctement ou incorrectement (en données longues) et la performance de chaque élève peut être résumée par une mesure de précision (en sous-données). Les modèles 1, 2 et 4 ci-dessous semblent produire des résultats …
1
Pourquoi Anova () et drop1 () ont-ils fourni des réponses différentes pour les GLMM?
J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou summary(model). Ces deux derniers donnent les mêmes réponses. En utilisant un …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
Intervalle de prédiction pour une future proportion de succès dans le cadre binomial
Supposons que j'adapte une régression binomiale et que j'obtienne les estimations ponctuelles et la matrice de variance-covariance des coefficients de régression. Cela me permettra d'obtenir un IC pour la proportion attendue de succès dans une future expérience, , mais j'ai besoin d'un IC pour la proportion observée. Il y a …
1
Tester si deux échantillons de distributions binomiales sont conformes au même p
Supposons que j'ai fait: n1n1n_1 essais indépendants avec un taux de réussite inconnup1p1p_1etk1k1k_1 succèsobservés. n2n2n_2 essais indépendants avec un taux de réussite inconnup2p2p_2 et dessuccès observésk2k2k_2. Si, maintenant p1=p2=:pp1=p2=:pp_1 = p_2 =: p mais encore inconnu, la probabilité p(k2)p(k2)p(k_2) d'observer k2k2k_2 pour un donné k1k1k_1(ou vice versa) est proportionnelle à …
1
Problèmes avec une étude de simulation de l'explication des expériences répétées d'un intervalle de confiance à 95% - où vais-je mal?
J'essaie d'écrire un script R pour simuler l'interprétation des expériences répétées d'un intervalle de confiance à 95%. J'ai trouvé qu'il surestime la proportion de fois où la valeur réelle de la population d'une proportion est contenue dans l'IC à 95% de l'échantillon. Pas une grande différence - environ 96% vs …
2
Bootstrap paramétrique, semi-paramétrique et non paramétrique pour les modèles mixtes
Les greffes suivantes sont extraites de cet article . Je suis novice dans le bootstrap et j'essaie d'implémenter le bootstrap paramétrique, semi-paramétrique et non paramétrique pour le modèle mixte linéaire avec le R bootpackage. Code R Voici mon Rcode: library(SASmixed) library(lme4) library(boot) fm1Cult &lt;- lmer(drywt ~ Inoc + Cult + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
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.