Statistiques et Big Data inference

6

Pourquoi avons-nous besoin d'une régression multivariée (par opposition à un tas de régressions univariées)?

Je viens de parcourir ce merveilleux livre: Analyse statistique multivariée appliquée par Johnson et Wichern . L'ironie est que je ne suis toujours pas en mesure de comprendre la motivation pour utiliser des modèles multivariés (régression) au lieu de modèles univariés (régression) séparés. J'ai parcouru les publications stats.statexchange 1 et …

28 regression multiple-regression inference multivariate-regression

4

Quels sont les facteurs qui rendent les distributions postérieures insolubles?

Dans les statistiques bayésiennes, il est souvent mentionné que la distribution postérieure est intraitable et donc une inférence approximative doit être appliquée. Quels sont les facteurs qui provoquent cette intraitabilité?

28 bayesian approximation inference

2

Faut-il aborder les ajustements de comparaisons multiples lors de l'utilisation des intervalles de confiance?

Supposons que nous ayons un scénario de comparaisons multiples tel qu'une inférence post hoc sur des statistiques par paires, ou comme une régression multiple, où nous faisons un total de comparaisons. Supposons également que nous aimerions soutenir l'inférence dans ces multiples en utilisant des intervalles de confiance.mmm 1. Appliquons-nous plusieurs …

27 confidence-interval multiple-comparisons inference

3

Divergence de Kullback-Leibler SANS théorie de l'information

Après beaucoup de chalutage de Cross Validated, je n'ai toujours pas l'impression d'être plus proche de la compréhension de la divergence KL en dehors du domaine de la théorie de l'information. Il est plutôt étrange que quelqu'un ayant une formation en mathématiques trouve beaucoup plus facile de comprendre l'explication de …

23 inference entropy information-theory kullback-leibler compression

2

Que signifie «fiduciaire» (dans le contexte des statistiques)?

Quand je Google pour "fisher" "fiducial" ... Je reçois certainement beaucoup de hits, mais tous ceux que j'ai suivis sont complètement au-delà de ma compréhension. Tous ces succès semblent avoir une chose en commun: ils sont tous écrits pour des statisticiens teints dans la laine, des gens profondément imprégnés de …

23 bayesian inference terminology fiducial ronald-fisher

1

Combien de fois dois-je lancer un dé pour évaluer son équité en toute confiance?

(Excuses à l'avance pour l'utilisation du langage profane plutôt que du langage statistique.) Si je veux mesurer les chances de lancer chaque côté d'un dé physique à six faces spécifique à +/- 2% près avec une certitude raisonnable, combien de rouleaux d'échantillons seraient nécessaires? c'est-à-dire combien de fois aurais-je besoin …

22 probability inference pdf dice

2

Quelles méthodes non bayésiennes existe-t-il pour l'inférence prédictive?

Dans l'inférence bayésienne, une distribution prédictive des données futures est dérivée en intégrant des paramètres inconnus; l'intégration sur la distribution postérieure de ces paramètres donne une distribution prédictive postérieure - une distribution pour les données futures conditionnelle à celles déjà observées. Quelles sont les méthodes non bayésiennes pour l'inférence prédictive …

22 prediction inference prediction-interval

3

Lemme de Neyman-Pearson

J'ai lu le lemme de Neyman – Pearson dans le livre Introduction to the Theory of Statistics de Mood, Graybill et Boes. Mais je n'ai pas compris le lemme. Quelqu'un peut-il m'expliquer le lemme en termes clairs? Que dit-il? Lemme de Neyman-Pearson: Soit X1,…,XnX1,…,XnX_1,\ldots,X_n un échantillon aléatoire de f(x;θ)f(x;θ)f(x;\theta) , …

21 hypothesis-testing self-study references inference likelihood-ratio

6

Quelle est la différence entre les statistiques descriptives et inférentielles?

Ma compréhension était que les statistiques descriptives décrivaient quantitativement les caractéristiques d'un échantillon de données, tandis que les statistiques inférentielles faisaient des inférences sur les populations dont les échantillons étaient tirés. Cependant, la page wikipedia pour l'inférence statistique indique: Pour l'essentiel, l'inférence statistique fait des propositions sur les populations, en …

21 terminology descriptive-statistics inference

3

Comparaison entre MaxEnt, ML, Bayes et d'autres types de méthodes d'inférence statistique

Je ne suis en aucun cas un statisticien (j'ai suivi un cours de statistique mathématique mais rien de plus), et récemment, en étudiant la théorie de l'information et la mécanique statistique, j'ai rencontré ce truc appelé "mesure d'incertitude" / "entropie". J'ai lu la dérivation de Khinchin comme une mesure d'incertitude …

21 entropy inference

2

Comment fonctionne la méthode de transformation inverse?

Comment fonctionne la méthode d'inversion? Disons que j'ai un échantillon aléatoire de densité f (x; \ theta) = {1 \ over \ theta} x ^ {(1- \ theta) \ over \ theta} over 0 <x <1 et donc avec cdf F_X (x) = x ^ {1 / \ theta} sur …

21 r distributions inference random-generation inverse-cdf

2

Comment dériver l'erreur standard du coefficient de régression linéaire

Pour ce modèle univarié de régression linéaire yje= β0+ β1Xje+ ϵjeyje=β0+β1Xje+ϵjey_i = \beta_0 + \beta_1x_i+\epsilon_i données ensemble donné D = { ( x1, y1) , . . . , ( xn, yn) }ré={(X1,y1),...,(Xn,yn)}D=\{(x_1,y_1),...,(x_n,y_n)\} , les estimations des coefficients sont β 1 = Σ i x i y i - n …

20 standard-error inference

2

Analyse élastique / crête / lasso, alors quoi?

Je suis vraiment intéressé par la procédure du filet élastique pour la rétraction / sélection des prédicteurs. Cela semble très puissant. Mais du point de vue scientifique, je ne sais pas quoi faire une fois que j'ai obtenu les coefficients. À quelle question réponds-je? Ce sont les variables qui influencent …

19 hypothesis-testing prediction inference lasso elastic-net

2

Si le principe de vraisemblance se heurte à la probabilité fréquentiste, alors en rejetons-nous un?

Dans un commentaire récemment publié ici, un commentateur a signalé un blog de Larry Wasserman qui souligne (sans aucune source) que l'inférence fréquentiste se heurte au principe de vraisemblance. Le principe de vraisemblance dit simplement que les expériences produisant des fonctions de vraisemblance similaires devraient produire une inférence similaire. Deux …

19 inference likelihood frequentist likelihood-principle

2

Pourquoi faut-il échantillonner à partir de la distribution postérieure si nous connaissons déjà la distribution postérieure?

Ma compréhension est que lorsque vous utilisez une approche bayésienne pour estimer les valeurs des paramètres: La distribution postérieure est la combinaison de la distribution antérieure et de la distribution de vraisemblance. Nous simulons cela en générant un échantillon à partir de la distribution postérieure (par exemple, en utilisant un …

19 bayesian inference simulation mcmc posterior

Questions marquées «inference»