Вопросы с тегом «mean»

Предположим, что скалярная случайная величина принадлежит семейству вектор-параметров с pdfXXX fX(x|θ)=h(x)exp(∑i=1sηi(θ)Ti(x)−A(θ))fX(x|θ)=h(x)exp⁡(∑i=1sηi(θ)Ti(x)−A(θ)) f_X(x|\boldsymbol \theta) = h(x) \exp\left(\sum_{i=1}^s \eta_i({\boldsymbol \theta}) T_i(x) - A({\boldsymbol \theta}) \right) где θ = ( θ1, θ2, ⋯ , θs)Tθ=(θ1,θ2,⋯,θs)T{\boldsymbol \theta} = \left(\theta_1, \theta_2, \cdots, \theta_s \right )^T - вектор параметров, а Т (х)= ( Т1( х ) …

11 variance  mean  exponential-family  sufficient-statistics 

У меня есть набор данных, содержащий количество действий, совершенных отдельными лицами в течение 7 дней. Конкретные действия не должны иметь отношение к этому вопросу. Вот некоторые описательные статистические данные для набора данных: СпектрЖадныйотклонениеКоличество наблюдений0 - 77218,22791+696Range0−772Mean18.2Variance2791Number of observations696 \begin{array}{|c|c|} \hline \text{Range} & 0 - 772 \\ \hline \text{Mean} & 18.2 …

11 r  distributions  poisson-distribution  mean  sample 

Я работаю с сильно искаженными данными, поэтому я использую медиану вместо среднего для суммирования центральной тенденции. Я хотел бы иметь меру дисперсии Хотя я часто вижу людей, сообщающих о среднем стандартном отклонении±±\pm± ± или медиане квартилях,±±\pm чтобы подвести итог центральной тенденции, можно ли сообщать о медиане медианной абсолютной дисперсии (MAD)±±\pm …

11 mean  skewness  median  reporting  mad 

mgcvПакет Rимеет две функции для установки взаимодействия Тензор продукта: te()и ti(). Я понимаю основное разделение труда между ними (подгонка нелинейного взаимодействия против разложения этого взаимодействия на основные эффекты и взаимодействие). Чего я не понимаю, так это почему te(x1, x2)и ti(x1) + ti(x2) + ti(x1, x2)может дать (немного) разные результаты. MWE …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Учитывая случайную величину , что означает среднее значение и дисперсию G = 1Y= Eх р ( λ )Y=Exp(λ)Y = Exp(\lambda) ?G = 1YG=1YG=\dfrac{1}{Y} Я смотрю на обратное гамма-распределение, но среднее значение и дисперсия определены только для и α > 2 соответственно ...α > 1α>1\alpha>1α > 2α>2\alpha>2

11 variance  mean  exponential 

Как гармоническое среднее обрабатывает нулевые значения? что бы среднее гармоническое {3, 4, 5, 0} , так как ?1 / 0 = ∞1/0знак равно∞1/0=\infty

11 mean  average  harmonic-mean 

При изучении двух независимых выборочных средств нам говорят, что мы смотрим на «разницу двух средних». Это означает, что мы берем среднее значение из совокупности 1 ( ) и вычитаем из него среднее значение из совокупности 2 ( ). Итак, наша «разница двух средних» есть ( \ bar y_1 - \ …

11 paired-comparisons  paired-data  mean 

Частое упрощение в моделировании и симуляции заключается в замене случайной величины ее средним значением. Когда это упрощение приведет к неправильному выводу?

10 modeling  mean  random-variable 

Как бы вы объяснили понятие среднего, медианы и формы списка чисел и почему они важны для человека, обладающего только базовыми арифметическими навыками? Не будем упоминать асимметрию, CLT, центральную тенденцию, их статистические свойства и т. Д. Я объяснил кому-то, что это просто быстрый и грязный способ «суммировать» список чисел. Но, оглядываясь …

10 mean  descriptive-statistics  median  mode 

Я наткнулся на этот вывод, который я не понимаю: если - это случайные выборки размера n, взятые из совокупности среднего и дисперсии , то μ σ 2X1,X2,...,XnX1,X2,...,XnX_1, X_2, ..., X_nμμ\muσ2σ2\sigma^2 X¯=(X1+X2+...+Xn)/nX¯=(X1+X2+...+Xn)/n\bar{X} = (X_1 + X_2 + ... + X_n)/n E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))E(\bar{X}) = E(X_1 + X_2 + ... + X_n)/n = (1/n)(E(X_1) …

10 random-variable  expected-value  mean  iid 

Я прошу прощения за небольшое злоупотребление терминологией; Надеюсь, станет понятно, что я имею в виду ниже. Рассмотрим случайную величину . Как среднее значение, так и медиана могут быть охарактеризованы критерием оптимальности: среднее значение - это число которое минимизирует , а медиана - это число, которое минимизирует . С этой точки …

10 mean  median 

В настоящее время застрял на этом, я знаю, что я, вероятно, должен использовать среднее отклонение биномиального распределения, но я не могу понять это.

10 self-study  binomial  mean  expected-value  proof 

У меня есть GLMM формы: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Когда я использую drop1(model, test="Chi"), я получаю другие результаты, чем если бы я использовал Anova(model, type="III")из пакета автомобиля или summary(model). Последние два дают одинаковые ответы. Используя кучу сфабрикованных данных, я обнаружил, …

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 

Предположим, у нас есть доступ к выборкам iid из распределения с истинным (неизвестным) средним и дисперсией , и мы хотим оценить .μ , σ2μ,σ2\mu, \sigma^2μ2μ2\mu^2 Как мы можем построить объективную, всегда положительную оценку этой величины? Взяв квадрат выборки, среднее значение смещено и будет переоценивать количество, особенно если близко к 0 …

10 mean  unbiased-estimator 

Предположим, у меня есть минимум, среднее значение и максимум некоторого набора данных, скажем, 10, 20 и 25. Есть ли способ: создать распределение из этих данных, и знать, какой процент населения, вероятно, лежит выше или ниже среднего Редактировать: Согласно предложению Глена, предположим, что у нас размер выборки 200.

10 distributions  standard-deviation  mean  maximum  minimum