CMD + K

Kapittel 12Begreper & formler · Spesialemner: ikke-parametriske, Bayes og simulering
Referanseside · Kapittel 12

Begreper & formler

Alle nøkkelbegrepene og formlene fra Spesialemner: ikke-parametriske, Bayes og simulering, samlet på én side. Bruk denne som oppslag når du leser, øver flashcards eller tar quiz.

Øv med flashcards23 kort fra dette kapittelet

Begreper

Sentrale begreper fra kapittelet med korte definisjoner.

01Median

Robust mål på sentraltendens som ikke påvirkes av uteliggere.

02Rank-sum test

Mann-Whitney U-test sammenligner fordelinger uten normalantakelse.

03Wilcoxon signed-rank

Tester medianforskjell for parvise data.

04Bootstrap

Resampling-metode for å estimere usikkerhet uten parametere.

05H-robuste mål

Mål som begrenser påvirkningen fra ekstreme observasjoner.

06Prior

Fordeling som uttrykker kunnskap om parameter før data.

07Likelihood

Sannsynlighet for data gitt parameterverdien.

08Posterior

Oppdatert fordeling av parameter etter å ha observert data.

09Prediktiv fordeling

Fordeling for fremtidige observasjoner gitt data.

10Konjugert prior

Prior som gir posterior i samme familietype som prior.

11Pseudo-tilfeldige tall

Tall generert av algoritmer som etterligner tilfeldighet.

12Monte Carlo-estimator

Estimater basert på gjennomsnitt av simulerte observasjoner.

13Variansreduksjon

Teknikker som kontrollvariabler og antitetiske variabler for å redusere simulert støynivå.

14Markov Chain Monte Carlo

Metoder som konstruerer markovkjeder med ønsket stasjonær fordeling.

Formler

Hver formel: hva den heter, hvordan den ser ut, og hva symbolene betyr.

Bruker rangerte data til å teste om to fordelinger skiller seg.

Wilcoxon signed-rank statistikk

Logg inn for forklaring

Summerer rangerte differanser for å teste medianen i parvise data.

Median absolutt avvik

Logg inn for forklaring

Robust spredningsmål som ikke lar seg påvirke av få ekstreme observasjoner.

Bayes' teorem for parametre

Logg inn for forklaring

Posterior er proporsjonal med likelihood ganger prior delt på marginal sannsynlighet.

Beta-Binomial posterior

Logg inn for forklaring

Konjugert prior gjør oppdateringen enkel for binomiske data.

Posterior prediktiv

Logg inn for forklaring

Integrerer usikkerheten om parameteren for å predikere nye observasjoner.

Monte Carlo-estimat

Logg inn for forklaring

Bruker gjennomsnittet av simulerte verdier for å estimere en forventning.

Bootstrap-resampling

Logg inn for forklaring

Resampling med tilbakelegging danner grunnlag for å estimere usikkerhet i en statistikk.

MCMC akseptanssannsynlighet

Logg inn for forklaring

Metropolis-Hastings algoritmen bruker akseptanssannsynligheten for å sikre riktig stasjonær fordeling.