タグ付けされた質問 「references」

特定の主題に関する外部参照（本、論文など）を求める質問。さらに、常により具体的なタグを使用してください。

2
メトロポリス・ヘイスティングスとギブスサンプリングを取り入れた教科書
私はMetropolis-HastingsとGibbsのサンプリングに関してかなり良い実務経験を持っていますが、これらのアルゴリズムについてより良い数学的な理解を得たいと思っています。これらのサンプラーの正確性を証明する優れた教科書や記事は何ですか（より多くのアルゴリズムもすばらしいでしょう）。
3
時系列分析を学ぶためのオンライン資料
私の質問は、これを学ぶための良いオンライン資料があるかどうかです。特にARMAモデルと関連する数学をうまく紹介するもの。 編集：私はハイエンドの学部レベルの何かを探しています。ブロックウェルとデイビスの時系列と予測入門のようなもの
2
理論と数学に同等のストレスがある良い本
私は、在学中および大学で統計に関する十分なコースを受講しました。CI、p値、統計的有意性の解釈、複数の検定、相関、単純な線形回帰（最小二乗法）（一般的な線形モデル）、および仮説のすべての検定などの概念を十分に理解しています。初期のほとんどは数学的に紹介されていました。そして最近、私は本の直観的な生物統計学の助けを借りて、実際の概念理論に対して前例のない理解を理解しました。 さて、足りないのはモデルのフィッティング（モデルへのパラメータの推定）などの理解が足りないことです。特に、最尤推定、一般化線形モデル、推論統計へのベイジアンアプローチなどの概念は、常に私には異質に思えます。単純な確率モデルやインターネット上の他の（基本的な）トピックに見られるように、十分な例やチュートリアル、あるいは概念的に適切なものはありません。 私はバイオインフォマティシャンで、遺伝子発現（または遺伝子発現の差異）を見つけるための生の読み取りカウントを扱うRNA-Seqデータに取り組んでいます。私のバックグラウンドから、統計モデルに精通していなくても、ポアソン分布の仮定や負の二項式などの理由を理解することができます。しかし、一部の論文では一般化線形モデルを扱い、MLEなどを推定しています。理解するために必要な背景があると思います。 私が求めているのは、あなたの中の一部の専門家が有用だと思うアプローチと、（a）これらの概念をより直感的な方法で理解するのに役立つ本です（厳密な数学だけでなく、数学に裏打ちされた理論）。私はそれらを主に適用するつもりなので、何が何であるかを理解することに満足しているでしょうし、後で、厳密な数学的証明に戻ることができます...誰かに何か推奨はありますか？私が求めたトピックが確かにばらばらになっていて本でカバーされているなら、私は複数の本を買ってもかまわない。 どうもありがとうございました！
4
応用統計で使用される手法ではなく、統計の基礎となる概念に関するリソース
統計における基本的な概念の最も徹底的な取り扱いはどの本ですか？計算方法と手順の詳細についての本を求めているのではなく、基本的な概念を完全に説明している本に主に興味があります...中核となるアイデアへの直感的/図解的/視覚的アプローチ...ロードよりも本のサイズは問題ありません...大きなマルチボリュームのテキストでさえも... Webリソースでさえもそうです。
10 references 
2
リサンプリングに適したテキストですか？
グループは、適用されたリサンプリング手法に適切な紹介テキスト/リソースを推奨できますか？具体的には、正規性などの仮定に明らかに違反している場合にグループを比較するために、従来のパラメトリック検定（t検定、ANOVA、ANCOVAなど）の代替案に興味があります。 解決するためのより良い方法について自分自身を教育したい問題の種類の例には、次のようなものが含まれます。 I） 2グループ：治療と管理 依存変数：介入後の口座残高の変化 共変量：介入前勘定残高のドル。 ANCOVAの適用に関する問題：多くの被験者には変化がありません（多くのゼロ）。 II） 2グループ：治療と管理 依存変数：新しいアカウントが追加されました 共変量：介入前のアカウント数。 *多くの被験者にはアカウントが追加されません（多くのゼロ）。 ブートストラップを使用できますか？順列検定？これは、ノンパラメトリックリサンプリング手法を適用したいタイプの分析です。
4
統計モデリングを始めるためのヒントとコツ？
私はデータマイニングの分野で働いており、統計に関する正式な教育はほとんど受けていません。最近、学習とマイニングのためのベイズのパラダイムに焦点を当てた多くの仕事を読んでいますが、それは非常に興味深いと思います。 私の質問は（いくつかの部分で）、問題があり、統計モデルを構築することができる一般的なフレームワークがあるかどうかです。基礎となるプロセスをモデル化するデータセットが与えられたときに最初に行うことは何ですか？このプロセスを説明する良い本やチュートリアルはありますか、それとも経験の問題ですか？モデルを構築するとき、あなたの心の最前線で推論ですか、それとも計算にどのように使用するかについて心配する前に、最初にデータを記述することを目指していますか？ どんな洞察もいただければ幸いです！ありがとう。
1
参考資料：逆累積分布関数の末尾
統計で次の結果を見たことがあると思いますが、どこで思い出せないのでしょうか。 場合正の確率変数であり、E（X ）&lt; ∞、次いでε F - 1（1 - ε ）→ 0ときε → 0 +、Fでの累積分布関数であるX。XXXE(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\inftyεF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to 0ε→0+ε→0+\varepsilon\to 0^+FFFXXX これは、等式を使用して幾何学的に見ることは容易であるとの水平カット考慮しε積分の曲線下面積の1 - Fを。E(X)=∫1−FE(X)=∫1−F\mathbb{E}(X)=\int 1-Fεε\varepsilon1−F1−F1-F この結果の参照と、名前があるかどうか知っていますか？
3
母集団のr二乗変化の信頼区間を取得する方法
簡単な例のために、2つの線形回帰モデルがあると仮定します モデル1は、3つの予測因子を持っているx1a、x2bと、x2c モデル2には、モデル1からの3つの予測子と2つの追加の予測子がx2aあり、x2b 母集団の分散が説明人口回帰式がある モデル1及びρ 2 （2 ）増分分散がある集団におけるモデル2によって説明するモデル2についてΔは、ρ 2 = ρ 2 （2 ） - ρ 2 （1 ）ρ2(1)ρ(1)2\rho^2_{(1)}ρ2(2)ρ(2)2\rho^2_{(2)}Δρ2=ρ2(2)−ρ2(1)Δρ2=ρ(2)2−ρ(1)2\Delta\rho^2 = \rho^2_{(2)} - \rho^2_{(1)} 私は、の推定のための標準誤差と信頼区間を得ることに興味を持ってい。例にはそれぞれ3および2の予測子が含まれていますが、私の研究対象は、さまざまな数の予測子（たとえば、5および30）に関係しています。私が最初に考えたのは使用していた Δ R 2 、A D J = R 2 のD J （2 ） - R 2 次元J （1 ）推定量として、それをブートストラップが、私は確かに、これは適切であるかどうかではなかったです。Δρ2Δρ2\Delta\rho^2Δr2adj=r2adj(2)−r2adj(1)Δradj2=radj(2)2−radj(1)2\Delta r^2_{adj} = r^2_{adj(2)} - r^2_{adj(1)} ご質問 されたの合理的な推定量Δは、ρ …
8
グラフィック百科事典
トラフィックの測定、予測などに関するマルチユーザーWebアプリを作成する必要があります。この時点で、棒グラフと円グラフを使用することを知っています。 残念ながら、これらのグラフタイプは、私が収集して計算するすべてのデータを表現するのに十分ではありません。 グラフのコレクションを探しています。本か何かを買わなければならないのなら大丈夫です。私を刺激するために、説明付きのグラフィックサンプルをいくつか見つける必要があります。 そのようなリソースを知っていますか？私に何かアドバイスはありますか？
3
割った法線
せとW 〜χ 2（秒）。Z〜N（0 、1 ）Z∼N(0,1)Z \sim N(0,1)W〜χ2（秒）W∼χ2(s)W \sim \chi^2(s) 場合及びWは、独立して、その後分散されている変数Y = ZZZZWWWは、自由度sのt分布に従います。Y= ZW/秒√Y=ZW/sY = \frac{Z}{\sqrt{W/s}}tttsss 私はこの事実の証拠を探しています。完全な引数を書き留めたくない場合は、参照で十分です。
1
電話帳からのサンプリングに関するストーリーのリファレンス
私は今日サンプリングについて誰かと話していましたが、特定の訴訟において電話帳からの体系的なサンプリングを推奨する非常に尊敬されている統計学者についての話を漠然と覚えています。裁判所で裁判官のように「統計についてはあまり知らないが、100番目ごとの名前をサンプリングするのは正しくないことは知っている」と言った話を覚えており、裁判官に次のように説明しなければならなかった。彼は実際にそれを勧めていました。 その話がどこから来たのか、または私が正しく覚えているかどうか誰でも知っていますか？コンテキストの記憶を更新したいのですが。それは私がモステラーの回顧録で読んだもののように感じますが、チェックしたところ見つかりませんでした。また、私たちの部門の誰かがそれは聞き慣れたようで、それがコクランである可能性があると思ったと言いました、そして誰かがジョージコブが同じような話をしたことを覚えていましたが、それは私の検索にも役立ちませんでした。
2
ロジスティック回帰と順序独立変数
私はこの投稿を見つけました： はい。係数は、順序予測子の変化の増分ごとの対数オッズの変化を反映します。この（非常に一般的な）モデル仕様では、予測子がその増分全体で線形的な影響を与えると想定しています。仮定をテストするために、順序変数を単一の予測子として使用するモデルと、応答を離散化して複数の予測子として処理するモデルを比較できます（変数が名目である場合と同様）。後者のモデルの結果が大幅に良くならない場合は、各増分を線形効果があるものとして扱うのが妥当です。 – @ dmk38 10年12月12日5:21 この主張を裏付ける公開されたものをどこで見つけられるか教えていただけませんか？私はデータを使用していますが、ロジスティック回帰で順序独立変数を使用したいと考えています。
3
データの確率分布を推定するためのさまざまなノンパラメトリック手法
データがあり、滑らかな曲線を当てはめようとしていました。しかし、私はそれ、または特定の分布に対して、あまりにも多くの以前の信念または強すぎる先入観（私の質問の残りの部分によって暗示されるものを除く）を強制したくありません。 私はそれを滑らかな曲線に適合させたかっただけです（または、それが由来している可能性のある確率分布を適切に推定しています）。これを行うために私が知っている唯一の方法は、カーネル密度推定（KDE）です。人々がそのようなことを推定する他の方法を知っているのだろうかと思っていました。私はそれらのリストが欲しかっただけであり、そこから自分の調査を行って、使用したいものを見つけることができます。 リンクや適切な参照（または適切な直感）を提供することは常に歓迎されます（推奨されます）。
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.