প্রশ্ন ট্যাগ «intraclass-correlation»

ইন্ট্রাক্লাস পারস্পরিক সম্পর্ক সহগ (আইসিসি) পরিমাপ করে যে পরিমাণগত মানগুলি গ্রুপের মধ্যে কতটা অনুরূপ বা সম্পর্কিত measures আইসিসির বিভিন্ন সংস্করণ এবং বিকল্প সূত্র রয়েছে। পারস্পরিক সম্পর্ক একটি ডেটাসেট ক্লাস্টারনেডেস, মূল্যায়নকারীদের মধ্যে চুক্তি এবং অন্যান্য সেটিংসে মূল্যায়ন করতে ব্যবহৃত হয়।

1
একটি হালকা মডেল থেকে প্রভাব পুনরাবৃত্তি
আমি কেবল এই কাগজটি জুড়ে এসেছি , যা মিক্সড ইফেক্টস মডেলিংয়ের মাধ্যমে কোনও পরিমাপের পুনরাবৃত্তিযোগ্যতা (ওরফে বিশ্বাসযোগ্যতা, ওরফে ইন্ট্রাক্লাস পারস্পরিক সম্পর্ক) কীভাবে গণনা করতে হবে তা বর্ণনা করে। আর কোডটি হ'ল: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 …
28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

1
ইন্টারঅ্যাক্লাস পারস্পরিক মিথস্ক্রিয়া জন্য (আইসিসি)?
ধরা যাক প্রতিটি সাইটে আমার প্রতিটি বিষয়ের জন্য কিছু পরিমাপ আছে। দুটি ভেরিয়েবল, সাবজেক্ট এবং সাইট ইন্টারপাস ক্লাস রিলেশন (আইসিসি) মানগুলির ক্ষেত্রে আগ্রহী। সাধারণত আমি lmerআর প্যাকেজ থেকে ফাংশন ব্যবহার করব lme4, এবং রান করব lmer(measurement ~ 1 + (1 | subject) + (1 | site), mydata) উপরের মডেলটিতে এলোমেলো …

1
5 টি বিষয়ের 100 টি পরিমাপ 100 টি বিষয়ের 5 টি পরিমাপের তুলনায় খুব কম তথ্য সরবরাহ করে তা দেখানো হচ্ছে
একটি সম্মেলনে আমি নিম্নলিখিত বিবৃতিটি শুনেছি: 5 টি বিষয়ের 100 টি পরিমাপ 100 টি বিষয়ের 5 টি পরিমাপের চেয়ে কম তথ্য সরবরাহ করে। এটি সত্য যে এটি সত্য, তবে আমি ভাবছিলাম যে কেউ কীভাবে এটি গাণিতিকভাবে প্রমাণ করতে পারেন ... আমি মনে করি যে একটি রৈখিক মিশ্র মডেল ব্যবহার করা …

4
প্রান্ত ক্ষেত্রে যথাযথতা এবং পুনরুদ্ধার জন্য সঠিক মান কি?
যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: p = true positives / (true positives + false positives) এটি সঠিক যে, 0 true positivesএবং false positivesকাছে যাওয়ার সাথে সাথে নির্ভুলতা 1 এ পৌঁছেছে? প্রত্যাহার জন্য একই প্রশ্ন: r = true positives / (true positives + false negatives) আমি বর্তমানে একটি পরিসংখ্যানগত পরীক্ষা বাস্তবায়ন …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

2
যখন মিশ্র মডেলগুলিতে গ্রুপগুলি এলোমেলো বনাম হিসাবে স্থির করা হয় তখন opeাল অনুমানের মধ্যে বড় মতবিরোধ
আমি বুঝতে পারি যে আমরা যখন র‌্যান্ডম এফেক্টস (বা মিশ্র প্রভাব) মডেলগুলি ব্যবহার করি তখন আমরা বিশ্বাস করি যে কয়েকটি গ্রুপিং ফ্যাক্টারে কিছু মডেল প্যারামিটারগুলি এলোমেলোভাবে পরিবর্তিত হয়। আমার এমন একটি মডেল ফিট করার আকাঙ্ক্ষা রয়েছে যেখানে একটি গ্রুপিং ফ্যাক্টর জুড়ে প্রতিক্রিয়াটি স্বাভাবিক এবং কেন্দ্রীভূত করা হয়েছে (পুরোপুরি নয়, তবে …

4
পুনরাবৃত্তির সংখ্যা বাড়ার সাথে সাথে গ্রেডিয়েন্ট বুস্টিং মেশিনের নির্ভুলতা হ্রাস পায়
আমি এর মাধ্যমে গ্রেডিয়েন্ট বুস্টিং মেশিন অ্যালগরিদম নিয়ে পরীক্ষা করছি caret আর। প্যাকেজটির ing একটি ছোট কলেজ ভর্তি ডেটাসেট ব্যবহার করে, আমি নিম্নলিখিত কোডটি চালিয়েছি: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting …
15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

2
একাধিক ভেরিয়েবলের সাথে ইন্ট্রাক্লাস সমন্ধের সহগ (আইসিসি)
ধরুন আমি ভাইবোনদের মধ্যে কিছু পরিবর্তনশীল পরিমাপ করেছি, যা পরিবারগুলির মধ্যে বাসা বাঁধে। ডেটা স্ট্রাকচারটি দেখে মনে হচ্ছে: পরিবারের সহোদর মান ------ ------- ----- 1 1 y_11 1 2 y_12 2 1 y_21 2 2 y_22 2 3 y_23 ... ... ... আমি একই পরিবারের মধ্যে ভাইবোনদের উপর নেওয়া পরিমাপের …

2
একই গ্রুপে দুটি এলোমেলোভাবে আঁকা ইউনিটের মধ্যে প্রত্যাশিত পারস্পরিক সম্পর্ক হিসাবে আইসিসি
মাল্টিলেভেল মডেলিংয়ে ইন্ট্রাক্লাসের পারস্পরিক সম্পর্ক প্রায়শই এলোমেলো-প্রভাব এএনওভা থেকে গণনা করা হয় yij=γ00+uj+eijyij=γ00+uj+eij y_{ij} = \gamma_{00} + u_j + e_{ij} যেখানে স্তর -২ এর অবশিষ্টাংশ এবং the স্তর -1 এর অবশিষ্টাংশ। তারপরে আমরা যথাক্রমে এবং এর জন্য এবং এবং নীচের সমীকরণে প্লাগ করব:ই আমি ঞ σ 2 U σ 2 …

2
পারস্পরিক সম্পর্ক সহগের তুলনা করা
আমার কাছে দুটি সেট ডেটা আছে যেখানে আমি 78 250.000 এর মান এবং 78 এবং 35 টি নমুনার জন্য। কিছু নমুনা একটি পরিবারের সদস্য এবং এটিতে ডেটার প্রভাব থাকতে পারে। আমি জোড়াযুক্ত পারস্পরিক সম্পর্ক গণনা করেছি এবং এটি 0.7 এবং 0.95 এর মধ্যে পরিবর্তিত হয় তবে আমি জানতে চাই যে …

1
এলোমেলো .ালু সহ মিশ্র মডেলটিতে ইন্ট্রাক্লাস সমাহার সহগ
অংশগ্রহণকারীদের ( ) এবং আইটেমগুলি ( ) এর জন্য ক্রস এলোমেলো প্রভাবগুলির m_plotসাথে আমার নীচের মডেলটি ফিট আছে :lme4::lmerlfdncontent Random effects: Groups Name Variance Std.Dev. Corr lfdn (Intercept) 172.173 13.121 role1 62.351 7.896 0.03 inference1 24.640 4.964 0.08 -0.30 inference2 52.366 7.236 -0.05 0.17 -0.83 inference3 21.295 4.615 -0.03 0.22 …

1
আমি কীভাবে আমার আরিমা মডেলটিতে পর্যবেক্ষণে একটি উদ্ভাবনী আউটলেটর অন্তর্ভুক্ত করব?
আমি একটি ডেটা সেট নিয়ে কাজ করছি। কিছু মডেল সনাক্তকরণ কৌশল ব্যবহার করার পরে, আমি একটি আরিমা (0,2,1) মডেল নিয়ে এসেছি। আমি আমার মূল ডেটা সেটটির 48 তম পর্যবেক্ষণে একটি উদ্ভাবনী আউটলেটর (আইও) সনাক্ত করতে detectIOপ্যাকেজে প্যাকেজে ফাংশনটি ব্যবহার করেছি।TSA আমি কীভাবে এই আউটলেটটিকে আমার মডেলটিতে অন্তর্ভুক্ত করব যাতে আমি …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

1
ইন্ট্রাক্লাস পারস্পরিক সম্পর্ক সহগ বনাম এফ-পরীক্ষা (একমুখী আনোভা)?
আমি ইন্ট্রাক্লাস পারস্পরিক সম্পর্ক সহগ এবং একমুখী আনোভা সম্পর্কে কিছুটা বিভ্রান্ত। যেহেতু আমি এটি বুঝতে পারি, উভয়ই আপনাকে বলে যে কোনও গোষ্ঠীর মধ্যে একই ধরণের পর্যবেক্ষণগুলি কীভাবে হয়, অন্য দলের পর্যবেক্ষণের তুলনায়। কেউ কি আরও কিছুটা আরও ভালভাবে ব্যাখ্যা করতে পারেন, এবং সম্ভবত সেই পরিস্থিতি (গুলি) ব্যাখ্যা করতে পারেন যেখানে …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.