Questions tagged «fiducial»



2
“基准”是什么意思(在统计中)?
当我为 "fisher" "fiducial" ...我肯定会收到很多成功,但我一直关注的所有事情都超出了我的理解范围。 所有这些命中似乎确实有一个共同点:它们都是为染羊毛的统计学家而写的,这些人对统计的理论,实践,历史和知识都非常了解。(因此,这些陈述都没有费心去解释或说明费舍尔的“基准”的意思,而不求助于术语的大行其道和/或不给某些经典或其他数学统计文献带来损失。) 好吧,我不属于可以从我这个主题的发现中受益的特定目标受众,这也许可以解释为什么我每次试图理解费舍尔“基准”的含义的尝试都撞到了墙上。难以理解的胡言乱语。 有谁知道向非专业统计学家解释费舍尔“基准”是什么意思的尝试? PS:我意识到费舍尔在确定他的“基准”的含义时是一个移动的目标,但是我认为该术语必须具有一定的“恒定核心”含义,否则它将无法正常工作(因为它很明显确实是本领域内通常理解的术语。

2
费舍尔假人?
简短版: 有没有介绍罗纳德·费舍尔(Ronald Fisher )的统计学著作(论文和书籍),其对象是那些几乎没有统计学背景或没有统计学背景的人? 我想到的是针对非统计学家的“带注释的Fisher读者”之类的东西。 我在下面阐明了这个问题的动机,但是要警告说,它是一个漫长的过程(我不知道如何更简洁地解释它),而且几乎肯定是有争议的,可能是令人讨厌的,甚至是令人发指的。因此,请跳过本篇文章的其余部分,除非您真的认为问题(如上所述)过于简洁而无法进一步澄清。 我自学了很多人认为很困难的许多领域的基础知识(例如线性代数,抽象代数,实数和复数分析,一般拓扑,测度理论等),但是我在自学统计学上的所有努力都失败了。 这样做的原因不是我发现统计数据在技术上很困难(或者比我设法找到的其他领域要困难的多),而是我发现统计数据始终是异类的(如果不是很奇怪的话),远比其他任何东西都重要。我自学的其他领域 慢慢地,我开始怀疑这种怪异的根源大多是历史性的,而且,作为一个从书本而不是从业者社区学习该领域的人(如果我曾接受过统计学方面的正式培训,情况就是如此)。 ),直到我对统计历史有了更多了解之前,我永远不会摆脱这种疏离感。 因此,我读了几本有关统计历史的书,事实上,这在解释我认为是该领域的怪异方面大有作为。但是我仍然有一些方法可以朝这个方向发展。 我从统计历史上的阅读中学到的一件事是,我认为统计中的许多奇异事物的来源是一个人,罗纳德·费舍尔。 实际上,下面的引号1(我最近才发现)非常符合我的认识,即我只有深入研究历史才能开始理解这一领域,并开始关注费舍尔。参考点: 大多数统计概念和理论可以与其历史渊源分开描述。对于“基准概率”的情况,如果没有不必要的神秘化,这是不可行的。 确实,我认为我的直觉虽然是主观的(当然),但并非完全没有根据。费舍尔不仅贡献了统计学中一些最开创性的想法,而且因不理会先前的工作以及对直觉的依赖而臭名昭著(要么提供几乎其他任何人都无法理解的证据,要么完全忽略它们)。此外,他与20世纪上半叶的许多其他重要统计学家有着终生的争执,这些争执似乎在该领域造成了很多混乱和误解。 我从所有这一切得出的结论是,是的,费舍尔对现代统计的贡献确实意义深远,尽管并非所有人都是积极的。 我还得出结论,要真正了解我对统计的异化,我必须至少阅读一些Fisher的原始形式的作品。 但是我发现,费舍尔的作品不辜负其不可渗透的声誉。我试图找到这些文献的指南,但是,不幸的是,我发现的所有内容都是针对受过统计学训练的人员,因此,对于我来说,理解它所要阐明的内容同样困难。 因此,本文开头的问题。 1 Stone,Mervyn(1983),“基准概率”,《统计科学百科全书 》3 81-86。纽约威利。

1
如何比较观察到的事件与预期的事件?
假设我有一个频率为4个可能的事件的样本: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 并且我具有发生事件的预期概率: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 利用我四个事件的观测频率之和(18),我可以计算事件的预期频率,对吗? expectedE1 - 18 * 0.2 = 3.6 expectedE2 - 18 * 0.1 = 1.8 expectedE1 - 18 * 0.1 = 1.8 expectedE1 - …
9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

1
参数化Behrens-Fisher分布
Seock-Ho Kim和艾伦·科恩(Allen S. Cohen)撰写的“关于贝伦斯-费舍尔问题:评论” 教育与行为统计杂志,第23卷,第4期,1998年冬季,第356-377页 我正在看这个东西,它说: Fisher(1935,1939)选择统计量 [其中是通常的单样本统计量],其中位于第一象限中,而 [。。。]的分布是Behrens-Fisher分布,由三个参数,和,τ=δ−(x¯2−x¯1)s21/n1+s22/n2−−−−−−−−−−−√=t2cosθ−t1sinθτ=δ−(x¯2−x¯1)s12/n1+s22/n2=t2cos⁡θ−t1sin⁡θ \tau = \frac{\delta-(\bar x_2 - \bar x_1)}{\sqrt{s_1^2/n_1+s_2^2/n_2}} = t_2\cos\theta - t_1\sin\theta titit_ittti=1,2i=1,2i=1,2θθ\thetatanθ=s1/n1−−√s2/n2−−√.(13)(13)tan⁡θ=s1/n1s2/n2. \tan\theta = \frac{s_1/\sqrt{n_1}}{s_2/\sqrt{n_2}}.\tag{13} ττ\tauν1ν1\nu_1ν2ν2\nu_2θθ\theta 对于,参数先前已定义为。νiνi\nu_ini−1ni−1n_i-1i=1,2i=1,2i=1,2 现在,这里看不到的是,这两个总体的平均值是,,它们的差是,因此是和两个统计量。样本SD和是可观察的,并用于定义,因此是可观察的统计信息,而不是不可观察的总体参数。但是我们看到它被用作这个分布族的参数之一!δδ\deltaμ1μ1\mu_1μ2μ2\mu_2δδ\deltaττ\tauttts1s1s_1s2s2s_2θθ\thetaθθ\theta 可能是他们应该说参数是的反正切值,而不是的反正切值?σ1/n1−−√σ2/n2−−√σ1/n1σ2/n2\dfrac{\sigma_1/\sqrt{n_1}}{\sigma_2/\sqrt{n_2}}s1/n1−−√s2/n2−−√s1/n1s2/n2\dfrac{s_1/\sqrt{n_1}}{s_2/\sqrt{n_2}}
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.