¿Cómo puedo calcular el intervalo de confianza de una media en una muestra no distribuida normalmente? Entiendo que los métodos de arranque se usan comúnmente aquí, pero estoy abierto a otras opciones. Si bien estoy buscando una opción no paramétrica, si alguien puede convencerme de que una...
Supongamos que tengo datos con dos grupos independientes: g1.lengths <- c (112.64, 97.10, 84.18, 106.96, 98.42, 101.66) g2.lengths <- c (84.44, 82.10, 83.26, 81.02, 81.86, 86.80, 85.84, 97.08, 79.64, 83.32, 91.04, 85.92, 73.52, 85.58, 97.70, 89.72, 88.92, 103.72, 105.02, 99.48, 89.50,...
Digamos que tengo una muestra y la muestra de bootstrap de esta muestra para un estatico (por ejemplo, la media). Como todos sabemos, esta muestra de bootstrap estima la distribución muestral del estimador de la estadística.χχ\chi Ahora, ¿es la media de esta muestra de bootstrap una mejor...
Mientras estudiaba el intervalo de confianza basado en bootstrap, una vez leí la siguiente declaración: Si la distribución de bootstrap está sesgada hacia la derecha, el intervalo de confianza basado en bootstrap incorpora una corrección para mover los puntos finales aún más hacia la derecha;...
Actualmente estoy leyendo "Todas las estadísticas" de Larry Wasserman y estoy desconcertado por algo que escribió en el capítulo sobre la estimación de funciones estadísticas de modelos no paramétricos. El escribio "A veces podemos encontrar el error estándar estimado de una función...
Tengo una pregunta con respecto a la técnica de arranque adecuada para usar con datos donde hay una agrupación fuerte. Se me asignó la tarea de evaluar un modelo predictivo de efectos mixtos multivariados en los datos de reclamos de seguros al calificar el modelo de referencia actual en los datos...
Cuando utilicé bootstrapping para la evaluación del modelo, siempre pensé que las muestras fuera de bolsa se usaban directamente como un conjunto de prueba. Sin embargo, este no parece ser el caso del enfoque obsoleto de scikit-learnBootstrap , que parece construir el conjunto de prueba a partir...
"Validación Bootstrap" / "remuestreo de validación cruzada" es nuevo para mí, pero fue discutido por la respuesta a esta pregunta . Supongo que involucra 2 tipos de datos: los datos reales y los datos simulados, donde un conjunto dado de datos simulados se genera a partir de los datos reales...
Las pruebas de permutación (también llamadas prueba de aleatorización, prueba de aleatorización o prueba exacta) son muy útiles y resultan útiles cuando t-testno se cumple el supuesto de distribución normal requerido por ejemplo y cuando se transforman los valores mediante la clasificación de...
Soy bastante nuevo en las estadísticas. El concepto de bootstrapping me ha resultado confuso. Sé que se requiere la normalidad de la distribución de muestreo para usar ciertas pruebas, como la prueba t. En los casos en que los datos no se distribuyen normalmente, al solicitar "bootstrapping" en...
Supongamos que uno realiza la llamada rutina de arranque no paramétrica extrayendo muestras de tamaño cada una de las observaciones originales con reemplazo. Creo que este procedimiento es equivalente a estimar la función de distribución acumulativa por el cdf
Tengo problemas para entender cómo usar bootstrapping para calcular los intervalos de predicción para un modelo de regresión lineal. ¿Alguien puede describir un procedimiento paso a paso? Busqué a través de google pero nada realmente tiene sentido para mí. Entiendo cómo usar bootstrapping para...
Estoy leyendo el capítulo sobre Estadísticas frecuentes del libro de Kevin Murphy " Aprendizaje automático: una perspectiva probabilística ". La sección sobre bootstrap dice: El bootstrap es una técnica simple de Monte Carlo para aproximar la distribución de muestreo. Esto es particularmente...
Tengo un vector de números que he subido aquí (... / code / MyData.Rdata) usando dput. Me gustaría obtener el bca ci, así que escribí este código: my.mean <- function(dat, idx){ return (mean(dat[idx], na.rm = TRUE)) } boot.out<-boot(data=my.data, statistic = my.mean, R=1000) Pero...
Recientemente estaba buscando formas de volver a muestrear series temporales, de manera que Preservar aproximadamente la autocorrelación de los procesos de memoria larga. Preservar el dominio de las observaciones (por ejemplo, una serie de enteros de muestras repetidas sigue siendo una serie de...
Quiero saber si el proceso descrito a continuación es válido / aceptable y si hay alguna justificación disponible. La idea: los algoritmos de aprendizaje supervisados no asumen estructuras / distribuciones subyacentes sobre los datos. Al final del día, generan estimaciones puntuales. Espero...
Solo quería preguntar cuáles son, en su opinión, los mejores libros disponibles sobre bootstrap. Con esto no necesariamente me refiero al escrito por sus desarrolladores. ¿Podría indicar qué libro de texto le parece mejor para bootstrap que cubra los siguientes criterios? ¿La base filosófica /...
Cuando leí acerca de cómo aproximar la distribución de la muestra significa que encontré el método de arranque no paramétrico. Aparentemente uno puede aproximar la distribución de por la distribución de ˉ X ∗ n - ˉ X n , donde ˉ X ∗
Bootstrapping funciona bien para acceder a la incertidumbre en la estimación media, sin embargo, recuerdo haber leído en alguna parte que el bootstrap no hace un buen trabajo al evaluar la incertidumbre en las estimaciones cuantiles (particularmente la mediana). No recuerdo dónde leí esto, y no...
Supongamos que tengo dos conjuntos de datos con n observaciones de pares de datos de variable independiente xy variable dependiente y cada uno. Supongamos, además, que deseo generar una distribución de pendientes de regresión para cada conjunto de datos mediante el arranque de las observaciones...