คำถามติดแท็ก references

คำถาม (s):อะไรคือความคิดและสัญชาตญาณที่อยู่เบื้องหลังการประมาณความเป็นไปได้สูงสุดเสมือน (QMLE; หรือที่เรียกว่าการประมาณความน่าจะเป็นหลอกหลอกแบบ PMLE) อะไรทำให้ตัวประมาณทำงานได้เมื่อการแจกแจงข้อผิดพลาดจริงไม่ตรงกับการแจกแจงผิดพลาด เว็บไซต์วิกิพีเดียสำหรับ QMLE ดี (สั้น ๆ ที่ใช้งานง่ายเพื่อจุด) แต่ฉันสามารถใช้บางปรีชาเพิ่มเติมและรายละเอียดอาจจะยังมีภาพประกอบ การอ้างอิงอื่น ๆ ยินดีต้อนรับมากที่สุด (ฉันจำได้ว่ามีหนังสือตำราเศรษฐศาสตร์จำนวนน้อยที่กำลังมองหาเนื้อหาเกี่ยวกับ QMLE และทำให้ฉันประหลาดใจ QMLE ถูกครอบคลุมเพียงหนึ่งหรือสองเล่มเช่น Wooldridge "การวิเคราะห์ทางเศรษฐมิติของข้อมูลส่วนและข้อมูลพาเนล" (2010) บทที่ 13 ส่วนที่ 11, หน้า 502-517)

17 maximum-likelihood  references  intuition  quasi-likelihood 

ฉันหวังว่าคุณจะสามารถให้คำแนะนำแก่ฉันได้ ฉันสอนในวิทยาลัยที่หลากหลาย (ทำจากชนกลุ่มน้อย) และนักเรียนส่วนใหญ่เป็นวิชาเอกจิตวิทยา นักเรียนส่วนใหญ่มีความสดใหม่จากโรงเรียนมัธยม แต่บางคนเป็นนักเรียนที่อายุมากกว่า 40 ปีขึ้นไปนักเรียนส่วนใหญ่มีปัญหาแรงจูงใจและความเกลียดชังทางคณิตศาสตร์ แต่ฉันยังคงมองหาหนังสือที่ครอบคลุมหลักสูตรพื้นฐาน: จากเชิงพรรณนาถึงการสุ่มตัวอย่างและการทดสอบไปจนถึง ANOVA และทั้งหมดในบริบทของวิธีการทดลอง แผนกต้องการให้ฉันใช้ SPSS ในชั้นเรียน แต่ฉันชอบความคิดในการสร้างการวิเคราะห์ในสเปรดชีตเช่น excel ป.ล. ครูคนอื่นใช้หนังสือที่ฉันไม่ชอบเพราะความเชื่อมั่นในสูตรการคำนวณที่กว้างขวาง ฉันพบว่าใช้สูตรคำนวณเหล่านี้ - แทนที่จะเป็นสูตรที่ใช้งานง่ายและเข้มข้นซึ่งสอดคล้องกับอัลกอริธึมเหตุผลและพื้นฐาน - ใช้งานง่ายไม่จำเป็นและสับสน นี่คือหนังสือที่ฉันอ้างถึงสิ่งจำเป็นสำหรับสถิติสำหรับพฤติกรรมศาสตร์, รุ่นที่ 7 เฟรดเดอริกเจ Gravetter มหาวิทยาลัยแห่งรัฐนิวยอร์ก, Brockport Larry B. Wallnau มหาวิทยาลัยแห่งรัฐนิวยอร์ก, Brockport ISBN-10: 049581220X ขอบคุณที่อ่าน!

17 references  teaching 

ไม่มีใครรู้บทความตรวจสอบที่ดีสำหรับวรรณกรรมทางสถิติเกี่ยวกับการถดถอยแบบไม่เชิงเส้นหรือไม่? ฉันสนใจหลักในผลลัพธ์ที่สอดคล้องและ asymptotics สิ่งที่น่าสนใจเป็นพิเศษคือรูปแบบ yit=m(xit,θ)+ϵit,yit=m(xit,θ)+ϵit,y_{it} = m(x_{it},\theta) + \epsilon_{it}, สำหรับข้อมูลแผง ที่น่าสนใจน้อยกว่าคือวิธีการที่ไม่ใช่พารามิเตอร์ ข้อเสนอแนะสำหรับวารสารที่มองเข้าไปก็ยินดีต้อนรับเช่นกัน ในขณะนี้ฉันกำลังอ่าน Amemiya (1983) ในคู่มือเศรษฐมิติแต่ฉันหวังว่าจะได้รับบางสิ่งที่ทันสมัยกว่านี้ Wooldridge, JM (1996) "การประมาณค่าระบบของสมการด้วยเครื่องมือต่าง ๆ สำหรับสมการที่แตกต่างกัน" ในJournal of Econometricsเป็นตัวอย่างของการมีส่วนร่วมในภายหลังกว่าการตรวจสอบข้างต้นดังนั้นจึงไม่รวม

17 regression  references  nonlinear-regression 

มีวิดีโอหรือหนังสือ / บันทึกอื่น ๆ ที่ทุกคนเคยพบเจอตามการจดจำรูปแบบและการเรียนรู้ของ Machine โดย Chris Bishop หรือไม่ ฉันซื้อหนังสือเล่มนี้เพื่อเรียนรู้การเรียนรู้ของเครื่องและฉันประสบปัญหาในการผ่านมัน

17 machine-learning  references  pattern-recognition 

กฎการให้คะแนนที่เหมาะสมคือกฎที่ขยายให้ใหญ่ที่สุดโดยโมเดล 'ของจริง' และไม่อนุญาตให้ 'ป้องกันความเสี่ยง' หรือเล่นเกมในระบบ (จงใจรายงานผลลัพธ์ที่แตกต่างกันเช่นความเชื่อที่แท้จริงของแบบจำลองเพื่อปรับปรุงคะแนน) คะแนน Brier นั้นถูกต้องความแม่นยำ (สัดส่วนจำแนกอย่างถูกต้อง) นั้นไม่เหมาะสมและมักท้อ บางครั้งฉันเห็นว่า AUC เรียกว่าเกณฑ์การให้คะแนนแบบกึ่งที่ทำให้ไม่แม่นยำอย่างสมบูรณ์ แต่มีความอ่อนไหวน้อยกว่ากฎที่เหมาะสม (ตัวอย่างเช่นที่นี่/stats//a/90705/53084 ) กฎการให้คะแนนแบบกึ่งถูกต้องหมายความว่าอย่างไร มันกำหนดไว้ที่ไหนสักแห่ง?

16 classification  references  roc  measurement-error  scoring-rules 

อะไรคือการสืบทอดครั้งแรกของการแจกแจงแบบปกติคุณสามารถทำซ้ำสิ่งที่ได้มาและอธิบายในบริบททางประวัติศาสตร์ได้ไหม ฉันหมายความว่าถ้ามนุษยชาติลืมเกี่ยวกับการแจกแจงแบบปกติวิธีที่น่าจะเป็นไปได้ที่ฉันจะค้นพบมันอีกครั้งและสิ่งที่น่าจะเป็นไปได้มากที่สุดคืออะไร? ฉันเดาว่าการพิสูจน์ครั้งแรกต้องมาเป็นผลพลอยได้จากการพยายามหาวิธีที่รวดเร็วในการคำนวณการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องขั้นพื้นฐานเช่นทวินาม ถูกต้องหรือไม่

16 probability  distributions  normal-distribution  references  history 

ความเป็นมา:งานวิจัยสมัยใหม่จำนวนมากในช่วง 4 ปีที่ผ่านมา (โพสต์เล็กซ์เน็ต ) ดูเหมือนว่าจะไม่ได้ใช้การเตรียมการล่วงหน้าสำหรับเครือข่ายประสาทเทียมเพื่อให้ได้ผลลัพธ์การจำแนกประเภทที่ทันสมัย ตัวอย่างเช่นผลลัพธ์อันดับต้น ๆ สำหรับผู้ที่จำไม่ได้ที่นี่มีเพียง 2 เอกสารจาก 50 อันดับแรกที่ดูเหมือนว่าจะใช้แบบจำลองกำเนิดซึ่งทั้งสองเป็น RBM เอกสารที่ได้รับรางวัลอีก 48 ฉบับเกี่ยวกับสถาปัตยกรรมการส่งต่อการเลือกปฏิบัติที่แตกต่างกันด้วยความพยายามอย่างมากในการค้นหาการเริ่มต้นน้ำหนักที่ดีขึ้น / แปลกใหม่และฟังก์ชั่นการเปิดใช้งานที่แตกต่างจาก sigmoid ที่ใช้ใน RBM คำถาม:มีเหตุผลที่ทันสมัยในการใช้เครื่อง Boltzmann ที่ จำกัด อีกต่อไปหรือไม่? หากไม่มีมีการดัดแปลงตามความเป็นจริงที่สามารถนำไปใช้กับสถาปัตยกรรมการส่งต่อฟีดเหล่านี้เพื่อสร้างเลเยอร์ใด ๆ แรงจูงใจ:ฉันถามเพราะบางรุ่นที่ฉันเห็นมีให้ใช้งานโดยปกติจะเป็นรุ่นต่าง ๆ ใน RBM ไม่จำเป็นต้องมีคู่ที่แยกแยะความแตกต่างแบบอะนาล็อกที่ชัดเจนกับเลเยอร์ / โมเดลเชิงกำเนิดเหล่านี้และวีซ่าในทางกลับกัน ตัวอย่างเช่น: mcRBM ssRBM CRBM (แม้ว่าใครจะเถียง CNN ที่ใช้ฟีดไปข้างหน้าสถาปัตยกรรมคือสถาปัตยกรรมแบบอะนาล็อกที่เลือกปฏิบัติ) นอกจากนี้สิ่งเหล่านี้ก็ชัดเจนก่อน alexnet เช่นกันจาก 2010, 2011 และ 2009 …

16 references  deep-learning  rbm  generative-models 

ฉันจะต้องนำเสนอโครงการให้กับผู้ที่ไม่ใช่นักสถิติในการประชุมที่กำลังจะมาถึงและฉันต้องการรวมข้อความที่ฉันได้อ่าน ณ จุดหนึ่งที่ทำให้การเปรียบเทียบระหว่างสถิติและเครื่องจักรที่ประมวลผลแร่ เหตุผลก็คือฉันต้องการเน้นย้ำถึงความเชื่อมโยงบางอย่างระหว่างความสามารถของสถิติและเป้าหมายของผู้ชม ฉันไม่สามารถหาคำพูดได้และหวังว่าจะมีใครบางคนสามารถชี้ให้ฉันอ้างอิงถึงมันได้ มันเป็นบางสิ่งบางอย่างตามบรรทัดต่อไปนี้: พิจารณากรณีของการสกัดทองคำออกจากแร่ ความคาดหวังของเครื่องสกัดทองคำที่ดีคือมันแยกทองคำออกจากแร่ได้อย่างหมดจด เราจะไม่วิพากษ์วิจารณ์เครื่องจักรนี้หากไม่สามารถสกัดทองได้หากไม่มีใครอยู่ในแร่ แต่อย่างใดและเราจะไม่ตัดสินอย่างรุนแรงเกินไปหากไม่สามารถสกัดทองออกจากแร่ด้วยปริมาณเพียงไม่กี่นาที ในทำนองเดียวกันสถิติเป็นเครื่องที่ดึงข้อมูลจากข้อมูล สถิติไม่สามารถสร้างข้อมูลได้ข้อมูลจะต้องมีข้อมูลนั้น ฉันเชื่อว่าใบเสนอราคาเกิดจาก Fisher และเขาก็ยังสังเกตความคล้ายคลึงกันระหว่างตัวเขากับผู้ปฏิบัติงานเครื่องจักร ฉันคิดว่าประเด็นที่เขาทำคือเขาไม่จำเป็นต้องยอดเยี่ยมเป็นพิเศษเพื่อให้ได้ผลลัพธ์ที่ดีตราบใดที่เครื่องจักรเชิงสถิติของเขาฉลาด ความช่วยเหลือใด ๆ ที่จะได้รับการชื่นชม โปรดระบุใบเสนอราคาแบบเต็มหากเป็นไปได้ รายละเอียดเกี่ยวกับ LOCATION OF QUOTE (เพิ่มหลังจากพบคำตอบแล้ว): หลังจากทำตามคำตอบที่เลือกฉันพบกระดาษพร้อมคำพูด มันคือ: ฟิชเชอร์, RA (1947) การพัฒนาทฤษฎีการออกแบบการทดลอง พร ของ Int statist Conf., Washington, 3, 434-439 สามารถพบได้ฟรีที่นี่ในเอกสารดิจิตอลของผลงานที่เก็บรวบรวมของฟิชเชอร์ ดูเหมือนเป็นคำปราศรัยการประชุมที่เขาทำในปี 1947

16 references  quotation 

ในช่วงหลายเดือนที่ผ่านมาฉันได้อ่านอย่างละเอียดเกี่ยวกับการถดถอยเชิงปริมาณเพื่อเตรียมสำหรับวิทยานิพนธ์ปริญญาโทของฉันในฤดูร้อนนี้ โดยเฉพาะฉันได้อ่านหนังสือของ Roger Koenker 2005 ส่วนใหญ่ในหัวข้อ ตอนนี้ฉันต้องการที่จะขยายความรู้ที่มีอยู่นี้เพื่อเทคนิคการถดถอยเชิงปริมาณที่อนุญาตให้ตัวแปรเครื่องมือ (IV) นี่ดูเหมือนจะเป็นงานวิจัยที่กำลังเติบโตอย่างรวดเร็ว อาจมีคนแนะนำให้ฉัน: เอกสารหรือวรรณกรรมอื่น ๆ เกี่ยวกับการถดถอยเชิงปริมาณ IV ภาพรวมสั้น ๆ ของเทคนิคทางสถิติที่แตกต่างกันเหล่านี้ ข้อดีข้อเสียของเทคนิคต่าง ๆ ฉันกำลังมองหาวรรณกรรมเพื่อให้ฉันเริ่มต้นและมีภาพรวมที่ดีของสิ่งที่มีอยู่ ดังนั้นประเด็นแรกคือสิ่งที่สำคัญ ที่สองและสามจะดีที่มี! ความสนใจของฉันยังอยู่ที่วิธีการแบบตัดขวางเป็นหลัก แต่ก็ยินดีต้อนรับวิธีการแบบแผง ขอบคุณล่วงหน้า.

16 regression  references  econometrics  instrumental-variables  quantile-regression 

Fréchet-Hoeffding ผูกไว้บนใช้กับฟังก์ชั่นการกระจายเชื่อมและมันจะได้รับจาก C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. มีความคล้ายคลึงกัน (ในแง่ที่ว่ามันขึ้นอยู่กับความหนาแน่นของขอบ) สำหรับความหนาแน่นของแทนที่จะเป็น CDF หรือไม่?c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) การอ้างอิงใด ๆ จะได้รับการชื่นชมอย่างมาก

16 references  joint-distribution  bounds  copula 

กฎการหยุดส่งผลกระทบต่อความสัมพันธ์ระหว่างค่า P และอัตราข้อผิดพลาดที่เกี่ยวข้องกับการตัดสินใจ รายงานล่าสุดโดย Simmons และคณะ 2011เหรียญเป็นปริญญาอิสระของนักวิจัยเพื่ออธิบายชุดของพฤติกรรมที่พวกเขาคิดว่าจะรับผิดชอบต่อรายงานจำนวนมากในวรรณคดีจิตวิทยาที่พบว่าไม่สามารถทำซ้ำได้ จากพฤติกรรมเหล่านั้นกฎการหยุดชั่วคราวหรือการวิเคราะห์ชั่วคราวที่ไม่ได้ประกาศเป็นสิ่งที่ฉันสนใจในขณะนี้ฉันอธิบายถึงผลกระทบของอัตราความผิดพลาดที่มีต่อนักเรียนของฉัน แต่ดูเหมือนจะไม่ได้อธิบายไว้ในหนังสือเรียนที่นักเรียนใช้ ใช้!). ในร้านหนังสือหลักในมหาวิทยาลัยของฉันมีหนังสือสถิติสิบสี่เล่มที่มุ่งเป้าไปที่นักเรียนระดับเบื้องต้นในสาขาวิชาต่าง ๆ เช่นวิทยาศาสตร์ชีวภาพธุรกิจวิศวกรรม ฯลฯ มีเพียงตำราเดียวเท่านั้นที่มีรายการดัชนี "การทดสอบตามลำดับ" และไม่มีรายการดัชนี ' หยุดกฎ ' มีตำราสถิติระดับเบื้องต้นที่อธิบายถึงปัญหากฎการหยุดแบบไม่บังคับหรือไม่? Simmons, JP, Nelson, LD และ Simonsohn, U. (2011) false-positive จิตวิทยา: ความยืดหยุ่นไม่เปิดเผยในการเก็บรวบรวมข้อมูลและการวิเคราะห์อนุญาตให้นำเสนอสิ่งใดเป็นสําคัญ วิทยาศาสตร์จิตวิทยา, 22 (11), 1359–1366 ดอย: 10.1177 / 0956797611417632

16 references  type-i-and-ii-errors  optimal-stopping 

มีหนังสือที่ดีที่อธิบายแนวคิดที่สำคัญของทฤษฎีความน่าจะเป็นเช่นฟังก์ชันการแจกแจงความน่าจะเป็นและฟังก์ชันการแจกแจงสะสมหรือไม่ กรุณาหลีกเลี่ยงการอ้างอิงหนังสือเช่น "คณิตศาสตร์สถิติและการวิเคราะห์ข้อมูล" โดย John Rice ซึ่งเริ่มต้นด้วยแนวคิดการเปลี่ยนแปลงแบบง่าย ๆ จากนั้นทันใดนั้น (ในบทที่ 2) ใช้ความก้าวกระโดดที่สมมติว่ามีความรู้ในการวิเคราะห์จริง PDF และแสดงเป็นตัวเลขสามมิติ หนึ่งถูกทิ้งไว้ที่หัวเกาเป็นวิธีการเชื่อมต่อทุกอย่าง ฉันกำลังมองหาหนังสือเรียนด้วยตนเองและหนังสือทุกเล่มในหมวดหมู่เดียวกันกับ "แคลคูลัสสำหรับผู้ปฏิบัติ" จะเป็นประโยชน์อย่างมาก

16 probability  self-study  distributions  references  theory 

ฉันได้ลองหลายครั้งเพื่อ "ไปด้วยตัวเอง" - แต่ประสบความสำเร็จอย่าง จำกัด ฉันเป็นผู้ใช้ SPSS ชั่วคราวและมีประสบการณ์ SAS บางอย่าง จะขอบคุณตัวชี้หนึ่งหรือสองจากคนที่มีพื้นหลังที่คล้ายกันและตอนนี้ใช้ R

16 r  references 

ฉันต้องการทรัพยากรบางอย่างเพื่อเริ่มต้นใช้งานโครงข่ายประสาทเทียมสำหรับการพยากรณ์อนุกรมเวลา ฉันระแวดระวังในการนำกระดาษมาใช้แล้วพบว่าพวกเขาได้ระบุถึงศักยภาพของวิธีการอย่างมาก ดังนั้นหากคุณมีประสบการณ์เกี่ยวกับวิธีการที่คุณแนะนำมันจะยอดเยี่ยมยิ่งขึ้น

16 time-series  neural-networks  forecasting  references 

ฉันคิดว่ามันยุติธรรมที่จะบอกว่าสถิติเป็นวิทยาศาสตร์ประยุกต์ดังนั้นเมื่อมีการคำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานมันเป็นเพราะมีใครบางคนกำลังมองหาการตัดสินใจบางอย่างขึ้นอยู่กับตัวเลขเหล่านั้น ส่วนหนึ่งของการเป็นนักสถิติที่ดีฉันก็หวังว่าจะสามารถ "รับรู้" ได้เมื่อข้อมูลตัวอย่างสามารถเชื่อถือได้และเมื่อการทดสอบทางสถิติบางอย่างบิดเบือนความจริงในข้อมูลจริงที่เราสนใจเป็นโปรแกรมเมอร์ที่สนใจในการวิเคราะห์ ชุดข้อมูลขนาดใหญ่ฉันกำลังเรียนรู้สถิติและทฤษฎีความน่าจะเป็นบางอย่าง แต่ฉันไม่สามารถสั่นคลอนความรู้สึกที่ดุด่าว่าหนังสือทุกเล่มที่ฉันดูเป็นเหมือนนักการเมืองที่ลุกขึ้นมาบนเวทีและพูดสิ่งต่าง ๆ ทั้งหมดแล้วต่อท้าย ข้อจำกัดความรับผิดชอบต่อไปนี้ในตอนท้ายของคำพูดของพวกเขา: ตอนนี้ฉันไม่ได้พูดว่ามันดีหรือไม่ดี แต่ตัวเลขบอกว่ามันดีดังนั้นคุณควรโหวตให้ฉัน บางทีคุณอาจได้รับสิ่งนั้น แต่บางทีคุณอาจไม่ได้คำถามนี้ ฉันจะไปหาเรื่องราวสงครามโดยนักสถิติที่การตัดสินใจบางอย่างอยู่บนพื้นฐานของข้อมูลทางสถิติที่ภายหลังกลายเป็นผิดอย่างสมบูรณ์?

16 references  inference  descriptive-statistics  history  fallacy