Вопросы с тегом «bias»

Уже давно известно, что самый молодой возраст, когда шахматистам удавалось претендовать на звание гроссмейстера, значительно уменьшился с 1950-х годов, и в настоящее время почти 30 игроков стали гроссмейстерами до своего 15-летия . Однако на бирже шахматных стеков возникает вопрос: каков средний возраст, чтобы стать гроссмейстером? , Кто-то опубликовал ответ, для …

11 survival  bias  population  censoring  subset 

Являются ли оценки Байеса невосприимчивыми к смещению отбора? В большинстве работ, в которых обсуждаются оценки в высоком измерении, например, данные о последовательности всего генома, часто возникает проблема смещения отбора. Смещение выбора обусловлено тем фактом, что, хотя у нас есть тысячи потенциальных предикторов, будет выбрано лишь немногие, и для избранных будет …

11 bayesian  feature-selection  bias  unbiased-estimator  conjugate-prior 

Это похоже на Bootstrap: оценка находится вне доверительного интервала У меня есть некоторые данные, которые представляют количество генотипов в популяции. Я хочу оценить генетическое разнообразие, используя индекс Шеннона, а также создать доверительный интервал с помощью начальной загрузки. Я заметил, однако, что оценка с помощью начальной загрузки имеет тенденцию быть чрезвычайно …

11 r  confidence-interval  bootstrap  bias  diversity 

Мне интересно, как инструментальная переменная решает проблему смещения выбора в регрессии. Вот пример, который я пережевываю: В « Эконометрии в основном безвредных» авторы обсуждают регрессию IV, касающуюся военной службы и доходов в более позднем возрасте. Вопрос в том, увеличивает ли служба в армии или уменьшает будущую прибыль? Они исследуют этот …

11 regression  econometrics  bias  causality  instrumental-variables 

Мне известен тест «Сброс Рамси», который может обнаружить нелинейные зависимости. Однако, если вы просто выбрасываете один из коэффициентов регрессии (просто линейные зависимости), вы можете получить смещение в зависимости от корреляций. Это явно не обнаружено тестом сброса. Я не нашел тест для этого случая, но это утверждение: «Вы не можете проверить …

11 regression  multiple-regression  bias  causality  diagnostic 

Если мы рассмотрим полноценное дерево решений (т.е. дерево необрезанных решений), оно имеет высокую дисперсию и низкое смещение. Мешки и случайные леса используют эти модели высокой дисперсии и агрегируют их, чтобы уменьшить дисперсию и, таким образом, повысить точность прогнозирования. И Мешки, и Случайные Леса используют выборку Bootstrap, и, как описано в …

11 variance  random-forest  cart  bias  bagging 

Я только что узнал о концепции начальной загрузки, и возникла наивная проблема: если мы всегда можем генерировать многочисленные примеры начальной загрузки наших данных, зачем вообще пытаться получить больше «реальных» данных? Я думаю, что у меня есть объяснение, пожалуйста, скажите мне, если я прав: я думаю, что процесс начальной загрузки уменьшает …

11 variance  bootstrap  bias 

Я пытаюсь понять, почему OLS дает необъективную оценку процесса AR (1). Рассмотрим В этой модели строгая экзогенность нарушается, т. е. и коррелируют, а и не коррелированы. Но если это правда, то почему следующий простой вывод не выполняется? утεтут-1εтPlim βytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). \begin{aligned} y_{t} &= \alpha + \beta y_{t-1} + \epsilon_{t}, \\ \epsilon_{t} …

11 time-series  least-squares  bias  autoregressive  estimators 

Предположим, что является объективной оценкой для . Тогда, конечно, . ; & thetasE[ & thetas ; |thetas]=thetasθ^θ^\hat{\theta}θθ\thetaE[θ^∣θ]=θE[θ^∣θ]=θ\mathbb{E}[\hat{\theta} \mid \theta] = \theta Как можно объяснить это непрофессионалу? В прошлом я говорил, что если вы усредняете набор значений , а размер выборки увеличивается, вы получаете лучшее приближение . ; & thetasθ^θ^\hat{\theta}θθ\theta Для …

10 bias  asymptotics  unbiased-estimator  estimators  communication 

Насколько я понимаю, k-кратная оценка перекрестной проверки ошибки теста обычно недооценивает фактическую ошибку теста. Я запутался, почему это так. Я понимаю, почему ошибка обучения обычно меньше, чем ошибка теста - потому что вы тренируете модель на тех же данных, на которых вы оцениваете ошибку! Но это не относится к перекрестной …

10 cross-validation  bias 

В качестве примера я часто встречаю студентов, которые знают, что Observed является предвзятой оценкой численности населения R 2 . Затем, при написании своих отчетов, они говорят что-то вроде:р2р2R^2R2R2R^2 «Я рассчитал Observed и Скорректированный R 2 , и они были довольно похожи, предполагая лишь небольшое смещение в полученном нами значении Observed …

10 mathematical-statistics  terminology  bias  estimators 

Я сделал начальную загрузку со смешанной моделью (несколько переменных с взаимодействием и одна случайная величина). Я получил этот результат (только частичный): > 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 1.264024e+00 …

10 r  confidence-interval  bootstrap  bias 

Хорошо, мое оригинальное сообщение не смогло получить ответ; Итак, позвольте мне поставить вопрос по-другому. Я начну с объяснения моего понимания оценки с точки зрения теории решения. У меня нет формального обучения, и меня не удивит, если мое мышление каким-то образом ошибочно. Предположим , у нас есть некоторая функция потерь L(θ,θ^(x))L(θ,θ^(x))L(\theta,\hat\theta(x)) …

10 bias  loss-functions  frequentist  decision-theory  risk 

Я хотел бы понять несколько фактов о максимальных вероятностных оценках (MLE) для логистических регрессий. Правда ли, что в целом MLE для логистической регрессии является предвзятой? Я бы сказал "да". Я знаю, например, что размер выборки связан с асимптотическим смещением MLE. Знаете ли вы какие-нибудь элементарные примеры этого явления? Если MLE …

10 logistic  maximum-likelihood  unbiased-estimator  bias 

Hastie et al. «Элементы статистического обучения» (2009) рассматривают процесс генерирования данных с E ( ε ) = 0 и Var ( ε ) = σ 2 ε .Y= ф( Х) + εY=f(X)+ε Y = f(X) + \varepsilon E(ε)=0E(ε)=0\mathbb{E}(\varepsilon)=0Var(ε)=σ2εVar(ε)=σε2\text{Var}(\varepsilon)=\sigma^2_{\varepsilon} Они представляют следующее разностное разложение ожидаемой квадратной ошибки прогноза в точке (стр. …

9 variance  forecasting  prediction  terminology  bias