প্রশ্ন ট্যাগ «standard-error»

অনুপাতের স্ট্যান্ডার্ড ত্রুটিটি কোনও প্রদত্ত এন এর পক্ষে সবচেয়ে বড় হতে পারে যখন প্রশ্নের অনুপাতটি 0.5 হয় এবং অনুপাতটি 0.5 থেকে আরও কম হয়ে যায়। আমি যখন অনুপাতের স্ট্যান্ডার্ড ত্রুটির জন্য সমীকরণটি দেখি তখন এটি কেন এমন হয় তা আমি দেখতে পাচ্ছি তবে আমি এটি আর ব্যাখ্যা করতে পারি না। …

10 standard-error  proportion  intuition 

নিচের ছবিটি থেকে এই নিবন্ধটি মধ্যে মনস্তাত্ত্বিক বিজ্ঞান । একজন সহকর্মী এ সম্পর্কে দুটি অস্বাভাবিক বিষয় নির্দেশ করেছেন: ক্যাপশন অনুযায়ী, ত্রুটি বারগুলি "± 2.04 স্ট্যান্ডার্ড ত্রুটি, 95% আত্মবিশ্বাসের ব্যবধান" দেখায়। আমি কেবল ± 1.96 এসই 95% সিআইয়ের জন্য ব্যবহৃত দেখেছি এবং আমি কোনও 2.04 এসই কোনও উদ্দেশ্যে ব্যবহৃত হচ্ছে এমন …

10 confidence-interval  standard-error 

এটি কেবলমাত্র একটি উদাহরণ যা আমি বেশ কয়েকবার এসেছি, সুতরাং আমার কোনও নমুনা ডেটা নেই। আরে লিনিয়ার রিগ্রেশন মডেল চালাচ্ছেন: a.lm = lm(Y ~ x1 + x2) x1একটি অবিচ্ছিন্ন পরিবর্তনশীল। x2শ্রেণীবদ্ধ এবং এর তিনটি মান রয়েছে যেমন "নিম্ন", "মাঝারি" এবং "উচ্চ"। তবে আর দ্বারা প্রদত্ত আউটপুটটি এরকম কিছু হবে: summary(a.lm) …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

আপনার যদি কোনও উপকরণের পরিমাপের ত্রুটি থাকে তবে আপনি কীভাবে উপযুক্তকে গণনা করবেন? এই অনুচ্ছেদটি ক্রিসির "স্ট্যাটিস্টিকস ফর স্প্যাটিয়ো-টেম্পোরাল ডেটা" থেকে এসেছে: প্রায়শই এমন ঘটনা ঘটে যে পরিমাপ-ত্রুটির বৈকল্পিকতা সম্পর্কিত কিছু পূর্বের তথ্য পাওয়া যায়, যার ফলে মোটামুটি তথ্যবহুল পরামিতি মডেল নির্দিষ্ট করা যায়। উদাহরণস্বরূপ, যদি আমরা শর্তসাপেক্ষে স্বাধীন পরিমাপের …

9 bayesian  standard-error  error  prior  measurement-error 

পরিস্থিতি আমার একটি নির্ভরশীল এবং একটি স্বতন্ত্র ভেরিয়েবল সহ একটি ডেটাসেট রয়েছে । আমি সংঘটিত / ফিক্সড ব্রেকপয়েন্টগুলিতে একটি অবিচ্ছিন্ন টুকরোজ লিনিয়ার রিগ্রেশন ফিট করতে চাই । ব্রেকপোইনগুলি অনিশ্চয়তা ছাড়াই পরিচিত, তাই আমি তাদের অনুমান করতে চাই না। তারপরে আমি এখানে একটি উদাহরণYyyএক্সxxটkk(একটি1,একটি2, … ,একটিট)(a1,a2,…,ak)(a_{1}, a_{2}, \ldots, a_{k})Yআমি=β0+ +β1এক্সআমি+ +β2সর্বোচ্চ(এক্সআমি-একটি1, …

9 r  regression  standard-error  piecewise-linear 

পজিটিভ পরামিতি সম্পর্কে আমার ধারণা তৈরি করতে হবে । ধনাত্মকতা আকৃতির জন্য আমি পুনঃনির্মাণ করেছি । MLE রুটিন আমি নির্ণিত পয়েন্ট অনুমান এবং SE ব্যবহার । এমএলইয়ের অদম্য সম্পত্তি সরাসরি আমাকে জন্য একটি বিন্দু অনুমান দেয় , তবে আমি কীভাবে জন্য গণনা করব তা নিশ্চিত নই । কোন পরামর্শ বা …

9 maximum-likelihood  standard-error  delta-method 

আমি আমার পাওয়া টিউটোরিয়াল ব্যবহার করছি এবং আমার ডেটা দেখানোর জন্য স্ট্যান্ডার্ড ত্রুটিগুলির সাথে গড় মানগুলি প্লট করছি। তবে ফলাফলগুলি নিয়ে আলোচনা করতে আমার সমস্যা হচ্ছে। আমার প্লটটি নীচে প্রদর্শিত হিসাবে দেখানো হয়েছে: কিছু মানক ত্রুটি (ত্রুটি বার হিসাবে প্রদর্শিত) এর পরিমাণে অনেক বেশি এবং তাদের কয়েকটি শূন্যের খুব কাছাকাছি।

9 data-visualization  standard-error