Questions marquées «t-distribution»

t est la distribution de la statistique t qui résulte d'un test t. Utilisez cette balise uniquement pour les questions sur la distribution; utilisez [t-test] pour les questions sur le test.

3
Interprétation du prédicteur et / ou de la réponse transformé par log
Je me demande si cela fait une différence d'interprétation si seules les variables dépendantes, indépendantes et dépendantes, ou uniquement les variables indépendantes sont transformées par un journal. Considérons le cas de log(DV) = Intercept + B1*IV + Error Je peux interpréter l'IV comme l'augmentation en pourcentage, mais comment cela change-t-il …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 
1
Preuve que les coefficients dans un modèle OLS suivent une distribution t avec (nk) degrés de liberté
Contexte Supposons que nous ayons un modèle des moindres carrés ordinaires où nous avons coefficients dans notre modèle de régression, kkky=Xβ+ϵy=Xβ+ϵ\mathbf{y}=\mathbf{X}\mathbf{\beta} + \mathbf{\epsilon} où est un vecteur de coefficients, est la matrice de conception définie parββ\mathbf{\beta}(k×1)(k×1)(k\times1)XX\mathbf{X} X=⎛⎝⎜⎜⎜⎜⎜⎜11⋮1x11x21xn1x12…⋱………x1(k−1)⋮⋮xn(k−1)⎞⎠⎟⎟⎟⎟⎟⎟X=(1x11x12…x1(k−1)1x21…⋮⋮⋱⋮1xn1……xn(k−1))\mathbf{X} = \begin{pmatrix} 1 & x_{11} & x_{12} & \dots & x_{1\;(k-1)} \\ 1 …
3
Quelle est la somme des variables t au carré?
Soit titit_i tiré iid d'une distribution de Student t avec degrés de liberté, pour taille moyenne (disons inférieure à 100). Définir est-il distribué presque comme un chi carré avec degrés de liberté? Existe-t-il quelque chose comme le théorème de la limite centrale pour la somme des variables aléatoires au carré?nnnnnnT=∑1≤i≤kt2iT=∑1≤i≤kti2T …
3
Pourquoi la distribution t devient-elle plus normale à mesure que la taille de l'échantillon augmente?
Selon Wikipedia, je comprends que la distribution t est la distribution d'échantillonnage de la valeur t lorsque les échantillons sont des observations provenant d'une population normalement distribuée. Cependant, je ne comprends pas intuitivement pourquoi cela fait passer la forme de la distribution t de la queue grasse à presque parfaitement …
5
Pourquoi nous n'utilisons pas la distribution t pour construire un intervalle de confiance pour une proportion?
Pour calculer l'intervalle de confiance (IC) pour la moyenne avec un écart-type de population inconnu (sd), nous estimons l'écart-type de la population en utilisant la distribution t. Notamment, CI=X¯±Z95%σX¯CI=X¯±Z95%σX¯CI=\bar{X} \pm Z_{95\% }\sigma_{\bar X} où σX¯=σn√σX¯=σn\sigma_{\bar X} = \frac{\sigma}{\sqrt n} . Mais parce que, nous n'avons pas d'estimation ponctuelle de l'écart …
3
Pourquoi ne pas utiliser la distribution T pour estimer la moyenne lorsque l'échantillon est grand?
Les cours de statistiques de base suggèrent souvent d'utiliser une distribution normale pour estimer la moyenne d'un paramètre de population lorsque la taille de l'échantillon n est grande (généralement supérieure à 30 ou 50). La distribution T de Student est utilisée pour des échantillons de plus petite taille afin de …
2
Pourquoi une distribution T est-elle utilisée pour tester l'hypothèse d'un coefficient de régression linéaire?
En pratique, l'utilisation d'un test T standard pour vérifier la signification d'un coefficient de régression linéaire est une pratique courante. La mécanique du calcul a du sens pour moi. Pourquoi la distribution T peut-elle être utilisée pour modéliser la statistique de test standard utilisée dans les tests d'hypothèse de régression …
2
Explication des degrés de liberté non entiers dans le test t avec des variances inégales
La procédure SPSS t-Test rapporte 2 analyses lors de la comparaison de 2 moyennes indépendantes, une analyse avec des variances égales supposées et une avec des variances égales non supposées. Les degrés de liberté (df) lorsque des variances égales sont supposées sont toujours des valeurs entières (et égales n-2). Les …
2
Intuition derrière la fonction de densité des distributions t
J'étudie la distribution t de Student et j'ai commencé à me demander comment dériverait la fonction de densité des distributions t (de wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): F( t ) = Γ ( v + 12)v π--√Γ ( v2)( 1 + t2v)- v + 12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} où est le degré …
1
Différences entre PROC Mixed et lme / lmer en R - degrés de liberté
Remarque: cette question est une rediffusion, car ma question précédente a dû être supprimée pour des raisons juridiques. En comparant PROC MIXED de SAS avec la fonction lmedu nlmepackage dans R, je suis tombé sur des différences assez confuses. Plus précisément, les degrés de liberté dans les différents tests diffèrent …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
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.