Questions marquées «confidence-interval»

J'ai la question suivante pour un cours sur lequel je travaille: Mener une étude Monte Carlo pour estimer les probabilités de couverture de l'intervalle de confiance bootstrap normal standard et de l'intervalle de confiance bootstrap de base. Échantillon d'une population normale et vérifier les taux de couverture empiriques pour la …

11 r  confidence-interval  self-study  bootstrap  monte-carlo 

Disons que nous lançons à plusieurs reprises une bonne pièce et que nous savons que le nombre de têtes et de queues devrait être à peu près égal. Quand nous voyons un résultat comme 10 têtes et 10 queues pour un total de 20 lancers, nous croyons les résultats et …

11 confidence-interval  binomial 

Existe-t-il un moyen numériquement stable de calculer les valeurs d'une distribution bêta pour les grands nombres alpha, bêta (par exemple alpha, bêta> 1000000)? En fait, je n'ai besoin que d'un intervalle de confiance de 99% autour du mode, si cela rend le problème plus facile. Ajouter : Je suis désolé, …

11 confidence-interval  algorithms  beta-distribution 

Ayant rencontré cette discussion, je soulève la question des conventions relatives aux intervalles de confiance rétrospectifs. Selon cet article, la couverture nominale CI rétrotransformée pour la moyenne d'une variable aléatoire log-normale est: UCL(X)=exp(Y+var(Y)2+zvar(Y)n+var(Y)22(n−1)−−−−−−−−−−−−√) UCL(X)=exp⁡(Y+var(Y)2+zvar(Y)n+var(Y)22(n−1))\ UCL(X)= \exp\left(Y+\frac{\text{var}(Y)}{2}+z\sqrt{\frac{\text{var}(Y)}{n}+\frac{\text{var}(Y)^2}{2(n-1)}}\right) LCL(X)=exp(Y+var(Y)2−zvar(Y)n+var(Y)22(n−1)−−−−−−−−−−−−√) LCL(X)=exp⁡(Y+var(Y)2−zvar(Y)n+var(Y)22(n−1))\ LCL(X)= \exp\left(Y+\frac{\text{var}(Y)}{2}-z\sqrt{\frac{\text{var}(Y)}{n}+\frac{\text{var}(Y)^2}{2(n-1)}}\right) / et non le naïf /exp((Y)+zvar(Y)−−−−−−√)exp⁡((Y)+zvar(Y))\exp((Y)+z\sqrt{\text{var}(Y)}) Maintenant, quels sont ces …

11 confidence-interval  data-transformation  back-transformation 

SurveyMonkey comporte des étapes et un graphique pour vous permettre de déterminer la taille de l'échantillon dont vous avez besoin pour une marge d'erreur ou un intervalle de confiance donné, en fonction de la taille de votre population. Taille de l'échantillon SurveyMonkey Ce tableau ignore-t-il simplement le fait que vous …

11 confidence-interval  sample-size  survey  sample 

Dans l'article de Wikipédia sur l' intervalle crédible , il est dit: Dans le cas d'un seul paramètre et de données qui peuvent être résumées en une seule statistique suffisante, il peut être démontré que l'intervalle crédible et l'intervalle de confiance coïncideront si le paramètre inconnu est un paramètre de …

11 confidence-interval  credible-interval 

J'ai un ensemble de systèmes où les incertitudes s'accumulent en son sein. Ce ne sont pas toujours purement additifs - parfois ils le sont, parfois ils ne le sont pas. J'ai réussi à utiliser des graphiques en éventail, des graphiques à barres avec des intervalles de confiance et des diagrammes …

11 data-visualization  confidence-interval  uncertainty 

Dans diverses sources (voir par exemple ici ), la formule suivante est donnée pour l'intervalle de confiance pour la médiane (en particulier dans le but de tracer des encoches sur des parcelles en boîte et moustaches): 95% CImedian=Median±1.57×IQRN−−√95% CImedian=Median±1.57×IQRN 95\%\ CI_{\rm median} = {\rm Median} \pm \frac{1.57\times IQR}{\sqrt{N}} La constante …

10 confidence-interval  median  boxplot  interquartile 

Je veux comparer 2 moyennes d'échantillons pour des retours de stock d'une minute. Je suppose qu'ils sont distribués par Laplace (déjà vérifiés) et j'ai divisé les retours en 2 groupes. Comment puis-je vérifier s'ils sont significativement différents? Je pense que je ne peux pas les traiter comme une distribution normale, …

10 r  confidence-interval  laplace-distribution 

J'ai fait un bootstrap avec un modèle mixte (plusieurs variables avec interaction et une variable aléatoire). J'ai obtenu ce résultat (seulement partiel): > boot_out ORDINARY NONPARAMETRIC BOOTSTRAP Call: boot(data = a001a1, statistic = bootReg, R = 1000) Bootstrap Statistics : original bias std. error t1* 4.887383e+01 -1.677061e+00 4.362948e-01 t2* 3.066825e+01 …

10 r  confidence-interval  bootstrap  bias 

Contexte: Mon organisation compare actuellement ses statistiques sur la diversité de la main-d'œuvre (ex.% De personnes handicapées,% de femmes,% d'anciens combattants) à la disponibilité totale de main-d'œuvre pour ces groupes sur la base de l'American Community Survey (un projet d'arpentage du US Census Bureau). Il s'agit d'une référence inexacte, car …

10 confidence-interval  sampling  data-transformation  diversity 

Est-il judicieux de calculer des intervalles de confiance et de tester des hypothèses lorsque des données de l'ensemble de la population sont disponibles? À mon avis, la réponse est non, car nous pouvons calculer avec précision les vraies valeurs des paramètres. Mais alors, quelle est la proportion maximale de données …

10 hypothesis-testing  confidence-interval  sample-size  large-data  population 

Pour un exemple simple, supposons qu'il existe deux modèles de régression linéaire Modèle 1 a trois prédicteurs, x1a, x2betx2c Le modèle 2 a trois prédicteurs du modèle 1 et deux prédicteurs supplémentaires x2aetx2b Il existe une équation de régression de la population où la variance de la population expliquée est …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

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 

Je suis confus quant au concept d'intervalle de confiance. Plus précisément, supposons qu'il existe une variable gaussienne X∼N(μ,σ)X∼N(μ,σ)X \sim N(\mu, \sigma) avec σσ\sigma connue, et je m'intéresse à la limite inférieure μLμL\mu_L de la moyenne avec un niveau de confiance de 95%95%95\% . Je vais faire l'expérience 555 fois et …

10 confidence-interval