タグ付けされた質問 「fiducial」

ここでのジョリスとスリカントのやり取りは、信頼区間と信頼区間の違いについての私の内部説明が正しいものであったかどうか（再び）不思議に思いました。違いをどのように説明しますか？

229 bayesian  confidence-interval  frequentist  credible-interval  fiducial 

RAフィッシャーの晩期の貢献の1つは基準間隔と基準原理の議論でした。しかし、このアプローチは、頻度主義者やベイジアンの原理的議論ほど人気が​​ありません。基準の議論とは何ですか、なぜ受け入れられていないのですか？

33 inference  philosophical  fiducial 

Googleで "fisher" "fiducial" ...私は確かに多くのヒットを得ますが、私が従ったものはすべて私の理解を完全に超えています。 これらすべてのヒットには共通点が1つあるように見えます。それらはすべて、染められた統計学者、理論、実践、歴史、および統計の知識に徹底的に浸されている人々のために書かれています。（したがって、これらの説明のどれも、フィッシャーが「基準」によって意味することを、専門用語の海に頼ったり、いくつかの古典的または他の数学的統計文献に負けずに説明したり、説明することさえしません。） まあ、私は主題で見つけたもののために利益を得ることができる選択された聴衆に属していません、そしてこれはおそらくフィッシャーが「基準」によって意味するものを理解しようとする私の試みのすべてが壁に衝突した理由を説明しています不可解な意味不明な言葉。 プロの統計学者ではない人に、フィッシャーが「基準」とはどういう意味かを説明しようとする試みを知っている人はいますか？ PSフィッシャーは、「基準」が意味するものを特定することになると、少し動いているターゲットであることがわかりますが、この用語は意味の「一定の核」を持たなければならないことを理解しています。する）分野内で一般的に理解されている用語として。

23 bayesian  inference  terminology  fiducial  ronald-fisher 

短いバージョン： 統計の背景がほとんどまたはまったくない人を対象とした統計に関するロナルドフィッシャーの著作（論文や本）の紹介はありますか？ 私は、非統計学者向けの「注釈付きフィッシャーリーダー」のようなものを考えています。 私はこの質問の動機を以下に詳しく述べますが、それは長い間（私はそれをより簡潔に説明する方法がわかりません）であり、さらに、それはほぼ確実に物議を醸し、恐らく不快で、おそらく苛立たしいことさえあります。あなたがない限り、この記事の残りの部分をスキップしてください本当に（上に示したように）質問があまりにも簡潔でさらに明確化せずに回答すると思います。 多くの人が難しいと考える多くの分野の基本（たとえば、線形代数、抽象代数、実数および複雑な分析、一般トポロジー、測度理論など）を独学で習得しましたが、統計を教えるためのすべての努力は失敗しました。 この理由は、統計的に技術的に困難である（または、自分の道を見つけることができた他の領域よりもはるかに困難である）と思うのではなく、統計が非常に奇妙ではないにしても、他のどの統計よりもずっと異質であることに気づくからです。私が独学した他の分野。 ゆっくりと私は、この奇妙さのルーツはほとんど歴史的であり、この分野を実践者のコミュニティからではなく、本から学んでいる誰かとして疑っていました（統計学で正式に訓練されていた場合のように） ）、統計の歴史についてもっと学ぶまで、私はこの疎外感を乗り越えることはありませんでした。 だから私は統計の歴史についての本を何冊か読んだことがあり、これを行うことは実際、私がフィールドの奇妙さとして何を感じているかを説明するのにずさんなやり方をしました。しかし、私はまだこの方向に進むいくつかの方法を持っています。 統計学の歴史の中で私が読んだことから学んだことの1つは、統計学において奇妙であると私が認識しているものの多くの源は一人の男、ロナルドフィッシャーであるということです。 実際、次の引用1（最近発見したもの）は、いくつかの歴史を掘り下げることによってのみ、この分野を理解し始めようとしていたこと、およびフィッシャーを私のように理解することの両方に非常に調和しています基準点： ほとんどの統計的概念と理論は、その歴史的起源とは別に説明できます。これは、「基準確率」の場合、不必要な神秘化なしでは実現不可能です。 確かに、私がここでの私の直感は、（もちろん）主観的ではありますが、完全に根拠がないわけではないと思います。フィッシャーは統計で最も独創的なアイデアのいくつかを提供しただけでなく、以前の研究を無視したこと、および直感に頼ったことで悪名を馳せていました（他の誰も理解できない証拠を提供するか、またはそれらを完全に省略しています）。さらに、彼は20世紀前半の他の多くの重要な統計学者たちとの生涯にわたる確執を持っていました。 これらすべてからの私の結論は、そうです、現代統計へのフィッシャーの貢献は確かに広範囲に及んでいましたが、それらのすべてが肯定的であったわけではありません。 また、統計との疎外感の底に入るには、フィッシャーの作品の少なくとも一部を元の形式で読む必要があると結論付けました。 しかし、私はフィッシャーの執筆が不浸透性という評判に忠実であることを発見しました。私はこの文献へのガイドを見つけようとしましたが、残念なことに、私が見つけたものはすべて統計の訓練を受けた人々を対象としているので、それが解明しようとしていることと同じくらい理解するのは難しいです。 したがって、この投稿の冒頭の質問。 1 Stone、Mervyn（1983）、「基準確率」、統計科学百科事典 3 81-86。ワイリー、ニューヨーク。

11 references  history  fiducial  ronald-fisher 

4つの可能なイベントの頻度の1つのサンプルがあるとします。 Event1 - 5 E2 - 1 E3 - 0 E4 - 12 そして、私は自分のイベントの発生が予想される確率を持っています： p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 4つのイベントの観測頻度の合計（18）を使用して、イベントの予想頻度を計算できますか？ 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 

"Behrens–Fisher問題について：レビュー" Seock-Ho KimとAllen S. Cohen Journal of Educational and Behavioral Statistics、23巻、4号、1998年冬、ページ356〜377 私はこれを見ているとそれは言う： フィッシャー（1935、1939）統計を選択した[tはiは、通常1サンプルであるTため-statisticiは=1、2]θが最初に取られを象限と日焼けθ=S1/ √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\theta[。。。]の分布τがベーレンス-フィッシャー分布であり、3つのパラメータによって定義されるν1、ν2、及びθ、tanθ=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 パラメータは、、以前のように定義されたN I - 1ため、私は= 1 、2。νiνi\nu_ini−1ni−1n_i-1i=1,2i=1,2i=1,2 今ここに観察不能な事がさと2つの母平均μ 1、μ 2その差、δ、結果的にτと2つのT -statistics。サンプルSD s 1とs 2は観測可能であり、θを定義するために使用されるため、θは観測可能な統計であり、観測不可能な母集団パラメーターではありません。それでも、この分布のファミリのパラメータの1つとして使用されていることがわかります。δδ\deltaμ1μ1\mu_1μ2μ2\mu_2δδ\deltaττ\tauttts1s1s_1s2s2s_2θθ\thetaθθ\theta それは彼らが、パラメータがの逆正接であると述べている必要がありますということでしたs1/√ではなく n 2σ1/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}}

9 distributions  parameterization  fiducial 

この記事のこのセクションは言う： 1935年にロナルドフィッシャーは、この問題に適用するために基準推論を導入しました。彼は1929年のWV Behrensによる以前の論文を参照しました。Behrensとフィッシャーはの確率分布を見つけることを提案しました どこと 2つのサンプル手段であり、とその標準偏差です。[。。。]フィッシャーは、標準偏差の相対サイズのランダムな変化無視することにより、この分布を近似しました T≡x¯1−x¯2s21/n1+s22/n2−−−−−−−−−−−√T≡x¯1−x¯2s12/n1+s22/n2 T \equiv {\bar x_1 - \bar x_2 \over \sqrt{s_1^2/n_1 + s_2^2/n_2}}x¯1x¯1\bar x_1x¯2x¯2\bar x_2s1s1s_1s2s2s_2s1/n1−−√s21/n1+s22/n2−−−−−−−−−−−√.s1/n1s12/n1+s22/n2. {s_1 / \sqrt{n_1} \over \sqrt{s_1^2/n_1 + s_2^2/n_2}}. 私はこれを信じるのが嫌です。（したがって、ウィキペディアは間違いです！）次の2週間のある時点で、フィッシャーとベーレンスとバートレットが1930年代にこれについて書いたことを読みます。今のところ、私はフィッシャーの本「統計的方法と科学的推論」を見ています。エドウィン・ジェインズと同じように、彼がたまにばかだったという事実は、彼が偉大な天才であったという事実を決して変えないという印象を受けていますが、彼は常にコミュニケーションに最適な方法で自分を表現したわけではありませんより少ない死すべき者。97ページで、フィッシャーはバートレットについて次のように書いています。 [...]参照セット[...]は、s_1 / s_2の比率s1/s2s1/s2s_1/s_2が観測されたサブセットに限定されていませんが、MSバートレットによって熱心に押収され、あたかもそれが有意性のテストの欠陥であるかのように複合的な仮説、特別なケースでは、拒絶の基準は他の場合よりも偶然に達成される頻度が低いということです。反射に関して、私は他に何も期待するべきではないと思います、[...] したがって、フィッシャーは比率s_1 / s_2の「ランダムな変動」s1/s2s1/s2s_1/s_2を近似の手段として「無視」するつもりはなかったように見えますが、むしろ、彼はs_1 / s_2を条件とすべきだと考えましたs1/s2s1/s2s_1/s_2。これは、フィッシャーが他の状況でうまく使用した「補助統計量の条件付け」のように見えます。 私が正しくリコール私はこれについて読んだとき、私は最初のバートレットのことを聞いた統計学の百科事典バートレットが基準間隔が基準間隔ことを示すことによって、信頼区間と同じものではないことを初めて示したことを単に述べ、フィッシャーがこの問題で導き出したそれは一定のカバー率を持っていませんでした。その発言は、これについていくつかの論争があったという印象を私に残しませんでした。 だからここに私の質問です：どちらが真実に近いですか：ウィキペディアの記事か私の疑い？ フィッシャー、RA（1935）「統計的推論におけるフィデューシャル引数」、Annals of Eugenics、8、391〜398。

8 inference  fiducial