t jest rozkładem statystyki t, która jest wynikiem testu t. Używaj tego tagu tylko w przypadku pytań dotyczących dystrybucji; użyj [t-test] w przypadku pytań dotyczących testu.
Zastanawiam się, czy ma to znaczenie w interpretacji, czy transformowane są tylko zmienne zależne, zależne i niezależne, czy tylko zmienne niezależne. Rozważ przypadek log(DV) = Intercept + B1*IV + Error Mogę interpretować IV jako wzrost procentowy, ale jak to się zmienia, kiedy mam log(DV) = Intercept + B1*log(IV) + Error …
Jakie są estymatory największego prawdopodobieństwa dla parametrów rozkładu t Studenta? Czy istnieją w formie zamkniętej? Szybkie wyszukiwanie w Google nie dało mi żadnych wyników. Dzisiaj interesuje mnie przypadek jednowymiarowy, ale prawdopodobnie będę musiał rozszerzyć model na wiele wymiarów. EDYCJA: Właściwie najbardziej interesuje mnie lokalizacja i parametry skali. Na razie mogę …
Niech zostanie narysowany na podstawie rozkładu t Studenta z stopniami swobody, dla średniej wielkości (powiedzmy mniej niż 100). Zdefiniuj Czy rozłożone prawie jak chi-kwadrat o stopniach swobody? Czy istnieje coś takiego jak Centralne Twierdzenie Graniczne dla sumy kwadratowych zmiennych losowych?titit_innnnnnT=∑1≤i≤kt2iT=∑1≤i≤kti2T = \sum_{1\le i \le k} t_i^2TTTkkk
Zgodnie z Wikipedią rozumiem, że rozkład t jest rozkładem próbkowania wartości t, gdy próbki są obserwacjami z populacji normalnie rozmieszczonej. Jednak nie rozumiem intuicyjnie, dlaczego powoduje to zmianę rozkładu t-kształtnego z gruboogoniastego na prawie całkowicie normalny. Rozumiem, że jeśli pobierasz próbki z normalnego rozkładu, to jeśli weźmiesz dużą próbkę, będzie …
... i dlaczego ? Zakładając , że , są niezależnymi zmiennymi losowymi o wartości odpowiednio i wariancji . Moja podstawowa książka statystyk mówi mi, że dystrybucja ma następujące właściwości:X 2 μ 1 , μ 2 σ 2 1 , σ 2 2 X 1 - X 2X1X1X_1X2)X2)X_2μ1, μ2)μ1,μ2)\mu_1,\mu_2σ2)1, σ2)2)σ12),σ2)2)\sigma^2_1,\sigma^2_2X1- X2)X1-X2)X_1-X_2 …
Aby obliczyć przedział ufności (CI) dla średniej z nieznanym odchyleniem standardowym populacji (sd), szacujemy odchylenie standardowe populacji, stosując rozkład t. W szczególności gdzie . Ponieważ jednak nie mamy oszacowania punktowego odchylenia standardowego populacji, szacujemy poprzez przybliżenie gdzieCI=X¯±Z95%σX¯CI=X¯±Z95%σX¯CI=\bar{X} \pm Z_{95\% }\sigma_{\bar X}σX¯=σn√σX¯=σn\sigma_{\bar X} = \frac{\sigma}{\sqrt n}CI=X¯±t95%(se)CI=X¯±t95%(se)CI=\bar{X} \pm t_{95\% }(se)se=sn√se=snse = \frac{s}{\sqrt …
To pytanie zwalidowane krzyżowo z pytaniem o symulację próbki uwarunkowanej ustaloną sumą przypomniało mi o problemie postawionym mi przez George'a Casellę . fa(x|θ)f(x|θ)f(x|\theta)(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θθ\thetaθ^(x1,…,xn)=argmin∑i=1nlogf(xi|θ)θ^(x1,…,xn)=argmin∑i=1nlogf(xi|θ)\hat{\theta}(x_1,\ldots,x_n)=\arg\min \sum_{i=1}^n \log f(x_i|\theta)θθ\theta θ (X1,...,xn)(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θ^(X1,…,Xn)θ^(X1,…,Xn)\hat{\theta}(X_1,\ldots,X_n) Weźmy na przykład rozkład , z parametrem lokalizacji , którego gęstość wynosi If jak możemy symulować uwarunkowane na ? W tym przykładzie …
Podstawowe kursy statystyki często sugerują zastosowanie rozkładu normalnego do oszacowania średniej parametru populacji, gdy wielkość próby n jest duża (zwykle powyżej 30 lub 50). Rozkład T studenta jest stosowany dla mniejszych próbek w celu uwzględnienia niepewności w odchyleniu standardowym próbki. Gdy wielkość próby jest duża, odchylenie standardowe próbki daje dobre …
W praktyce powszechne jest stosowanie standardowego testu T do sprawdzenia znaczenia współczynnika regresji liniowej. Mechanika obliczeń ma dla mnie sens. Dlaczego rozkład T można wykorzystać do modelowania standardowej statystyki testowej stosowanej w testowaniu hipotez regresji liniowej? Standardowa statystyka testu, o której mowa tutaj: T0=βˆ−β0SE(βˆ)T0=β^−β0SE(β^) T_{0} = \frac{\widehat{\beta} - \beta_{0}}{SE(\widehat{\beta})}
Odniosłem się do tego wykładu wideo w celu obliczenia przedziału ufności . Mam jednak pewne zamieszanie. Ten facet jest za pomocą -statistics do obliczeń. Myślę jednak, że powinna to być statystyka typu . Nie podano nam prawdziwego odchylenia standardowego populacji. Używamy przykładowego odchylenia standardowego do oszacowania rzeczywistego.zzzttt Dlaczego więc wziął …
Procedura t-testu SPSS zgłasza 2 analizy przy porównywaniu 2 niezależnych średnich, jedną analizę przy założeniu równych wariancji i jedną przy założeniu równych wariancji. Stopnie swobody (df) przy założeniu równych wariancji są zawsze wartościami całkowitymi (i równymi n-2). Df, gdy nie zakłada się równych wariancji, nie są liczbami całkowitymi (np. 11,467) …
Studiuję o rozkładzie t-Studenta i zacząłem się zastanawiać, jak można wyprowadzić funkcję gęstości rozkładów t (z wikipedii, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): fa( t ) = Γ ( v + 12))v π--√Γ ( w2))( 1 + t2)v)- v + 12)f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} gdzie to stopnie swobody, a to funkcja gamma. Jaka jest …
Uwaga: to pytanie jest repost, ponieważ moje poprzednie pytanie musiało zostać usunięte ze względów prawnych. Porównując PROC MIXED z SAS z funkcją lmez nlmepakietu w R, natknąłem się na pewne dość mylące różnice. Mówiąc dokładniej, stopnie swobody w różnych testach różnią się między PROC MIXEDi lmezastanawiałem się, dlaczego. Zacznij od …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.