İstatistik – Sosyal Bilimlerde İstatistik (42) – Model Uyumunun Değerlendirilmesi – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

0 (312) 276 75 93 @ İletişim İçin Whatsapp Mesajı + 90 542 371 29 52 - Ödev Yaptırma, Proje Yaptırma, Tez Yaptırma, Makale Yaptırma, Essay Yaptırma, Literatür Taraması Yaptırma, Vaka İncelemesi Yaptırma, Research Paper Yaptırma, Akademik Makale Yaptırma, İntihal Oranı Düşürme, İstatistik Ödev Yaptırma, İstatistik Proje Yaptırma, İstatistik Tez Yaptırma, İstatistik Makale Yaptırma, İstatistik Essay Yaptırma, Edebiyat Ödev Yaptırma, Edebiyat Proje Yaptırma, Edebiyat Tez Yaptırma, İngilizce Ödev Yaptırma, İngilizce Proje Yaptırma, İngilizce Tez Yaptırma, İngilizce Makale Yaptırma, Her Dilde Ödev Yaptırma, Hukuk Ödev Yaptırma, Hukuk Proje Yaptırma, Hukuk Tez Yaptırma, Hukuk Makale Yaptırma, Hukuk Essay Yaptırma, Hukuk Soru Çözümü Yaptırma, Psikoloji Ödev Yaptırma, Psikoloji Proje Yaptırma, Psikoloji Tez Yaptırma, Psikoloji Makale Yaptırma, İnşaat Ödev Yaptırma, İnşaat Proje Yaptırma, İnşaat Tez Yaptırma, İnşaat Çizim Yaptırma, Matlab Yaptırma, Spss Yaptırma, Spss Analizi Yaptırmak İstiyorum, Ücretli Spss Analizi, İstatistik Ücretleri, Spss Nedir, Spss Danışmanlık, İstatistik Hizmeti, Spss Analizi ve Sonuçların Yorumlanması, Spss Ücretleri, Tez Yazdırma, Ödev Danışmanlığı, Ücretli Ödev Yaptırma, Endüstri Mühendisliği Ödev Yaptırma, Tez Yazdırma, Matlab Ödev Yaptırma, Tez Danışmanlığı, Makale Danışmanlığı

1 Star2 Stars3 Stars4 Stars5 Stars (Bu yazıya oy vermek ister misiniz?)
Loading...

İstatistik – Sosyal Bilimlerde İstatistik (42) – Model Uyumunun Değerlendirilmesi – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

24 Eylül 2020 Bu parametre setlerinin her bir üyesi için Denklemin sağ tarafındaki son iki terim fonksiyon değerleri Her modelin uyumunu değerlendirmek ifade özgürlüğü ve siyasi katılım verileri için düzlemsel yoğunluğu iki modelde gözlemler İstatistik – Sosyal Bilimlerde İstatistik (42) – Model Uyumunun Değerlendirilmesi – İstatistik Nedir – İstatistik Fiyatları – Ücretli İstatistik Yaptırma Model uyumunu değerlendirmek Ödevcim Akademik Posterior prediktif dağılıma dayalı testler verilerin örnekleme yoğunluğu 0
İstatistik – Sosyal Bilimlerde İstatistik (42) – Model Uyumunun Değerlendirilmesi – İstatistik Nedir – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

 

On yılı aşkın süredir ödev yapma desteği veren Ödevcim Akademik, size İstatistiğin her alanında yardımcı olacaktır. Sosyal Bilimlerde İstatistik, İstatistik Nedir, İstatistik Fiyatları, Ücretli İstatistik Yaptırma, Analiz Yaptırma, Veri Analizi Yaptırma aramalarında sizde Ödevcim Akademik destek olsun istiyorsanız yapmanız gerekenler çok basit. Öncelikle İstatistik ile ilgili belgelerinizi akademikodevcim@gmail.com sayfamızdan gönderebilir ödevleriniz, tezleriniz, makaleleriniz ve projeleriniz ile ilgili destek alabilirsiniz.


Denklemin sağ tarafındaki son iki terim (dθ sayılmadan), parametrelerin arka dağılımını oluşturur. Sağ taraftaki ilk terim, elbette θ parametresi tarafından yönetilen, örnekleme dağılımından alınabilecek gelecekteki bir gözlem için olasılık yoğunluğudur.

Bir model mevcut verilere tam olarak uyuyorsa – yani, veri oluşturma sürecini yeterince yakaladık – modelden simüle edilen gelecekteki veriler, mevcut verilere çok benzemelidir. Böylece, sonraki tahmin dağılımından gelen verileri simüle edebilir, gözlemlenen verilerle karşılaştırabilir ve simüle edilen veriler gözlemlenen verilere benziyorsa, modelin uygun olduğu sonucuna varabiliriz. Simüle edilen ve gözlemlenen verilerin benzer olup olmadığını belirlemek için Bayesçi p-değerlerini kullanarak resmi testler yapabiliriz. T (y) ‘yi verinin bir fonksiyonu (bir test istatistiği) ve T’yi (yrep) çoğaltılan verilere uygulanan aynı fonksiyon olarak tanımlarsak, Bayes p değerini şu şekilde hesaplayabiliriz:

  • p-değeri = p (T (yrep) ≥ T (y) | y). (6.3)

 

İngilizce’de p-değeri, fonksiyon değerleri T (yrep) orijinal verilere uygulanan T (y) fonksiyonunun değerini aşan replike edilmiş gelecek veri setlerinin oranıdır (Rubin 1984). Örneğin, T (y), T (y) = max (y), yani örnekte gözlenen maksimum y olabilir. N boyutunda 1000 yinelenmiş veri kümesi oluşturursak, burada n orijinal örnek boyutuydu ve maksimum yrep değeri, yinelenen veri kümelerinin 3,500’ünde gözlemlenen maksimum y değerini aştıysa, p değeri olur. Bu durumda, çoğaltılan veriler, gözlemlenen verilerle tutarlı görünür.

Posterior prediktif dağılıma dayalı testlerin yorumlanması basittir. Bu tür testler, modele göre gelecekteki bir gözlemin gözlemlenen verileri aşma olasılığını temsil eder. Aşırı bir p değeri, bu nedenle, zayıf model uyumu anlamına gelir. Yalnızca verilerin işlevleri olan testler oluşturmanın yanı sıra, hem verilerin hem de parametrelerin işlevleri olan “tutarsızlık istatistiklerini” de hesaplayabiliriz.

Model uyumunu değerlendirmek için yapılabilecek posterior kestirimci testlerin türlerinde ve sayılarında bir sınır yoktur. Genel olarak, posterior tahmin testleri, bir modelin belirli özelliklerini test etmede klasik testlerin sağladığından çok daha fazla esneklik sağlar ve kitabın ikinci bölümünde birkaç bölümde bazı spesifik örnekler veriyorum. Lynch ve Western (2004), klasik yöntemler kullanılarak uyumları kolayca değerlendirilemeyen modellere bazı örnekler vermektedir.

Bir modeldeki (θ1.. ΘJ) parametreler için posterior dağılımdan MCMC tarafından oluşturulan J boyutunda bir örnek verildiğinde, posterior öngörücü simülasyonun uygulanması nispeten basittir ve genellikle MCMC algoritmasının bir parçası olarak dahil edilebilir. Posteriordan simüle edilen her θ değeri için, örnekteki her orijinal gözlem için bu parametre değerini kullanarak verilerin örnekleme dağılımından yeni bir gözlem üretiyoruz.

Örnek olarak, ifade özgürlüğü ve siyasi katılım verileri için düzlemsel yoğunluğu ve iki değişkenli normal modelleri düşünün. Her iki model için normal dağılım parametreleri için arka dağılımdan 500 örnek kurtardım.

Bu iki modelde gözlemler birbirleriyle değiştirilebilir – bir gözlemi diğerinden ayıracak hiçbir bilgi yoktur. Bu nedenle, modelin münferit durumlar için uygunluğunu incelemek yerine (regresyon modellerinde yapılabileceği gibi), arka tahmin testlerimiz örnek düzeyinde kalmalıdır.

Her modelin uyumunu değerlendirmek ve nihayetinde iki modeli karşılaştırmak için aşağıdakileri içeren çeşitli kriterler seçtim:

(1) her iki değişken için medyanın ortalamaya oranı (siyasi katılım ve ifade özgürlüğü) ,

(2) her değişkenin en düşük kategorisindeki gözlem sayısı (örneğin say1 … θ500 ve θ1 … θ500 PP BVN BVN).

Bu parametre setlerinin her bir üyesi için, verilerin örnekleme yoğunluğundan n = 1, 377 (verinin orijinal örnek boyutu) boyutunda yeni bir örnek oluşturdum.

Düzlemsel yoğunluk modeli için bu, düzlemsel yoğunluktan n = 1.377 gözlem boyutunda 500 numunenin örneklenmesi anlamına gelir; iki değişkenli normal yoğunluk için, bu, iki değişkenli bir n = 1, 377 gözlem boyutundaki 500 numunenin örneklenmesi anlamına gelir [yani, (x, y) = (0,0)].

(3) en yüksek kategorideki gözlemlerin sayısı her değişken [yani, (x, y) = (5,5)], (4) bir değişkenin en yüksek kategorisindeki gözlem sayısı, diğerindeki en düşük olan [yani, (x, y) = (5, 0)] ve (5) tersi [yani, (x, y) = (0,5)]. Orijinal verilerin ayrı olduğu göz önüne alındığında, iki değişkenli normal ve düzlemsel dağılımlardan simüle edilen sürekli değerler en yakın tam sayıya yuvarlanır.

Bu özel önlemler, modellerin verilerin temel şeklini yakalayıp yakalayamadığını değerlendirmek için seçildi. Ortalamanın medyana oranı, bize modellerin verilerin çarpıklığını yakalayıp yakalayamadığına dair bir fikir verir ve verilerin her köşesindeki gözlem sayısının dört ölçüsü, bize her modelin uygun olup olmadığı konusunda bir fikir verir. aslında veri dağıtımının şeklini kopyalar.

Bu, hem değişkenler (x ve y) hem de her iki model için ortalamanın medyana oranı için posterior tahmin dağılımlarını göstermektedir. Her çizimdeki dikey referans çizgisi, bu oranın orijinal verilerdeki değeridir; histogramlar, sonradan öngörücü dağılımlar içindir. Şekilde görüldüğü gibi, her iki model de ortalamanın medyana oranını (ve dolayısıyla çarpıklığı) x (siyasi katılım öğesi) yakalamada başarılı olamamıştır.

Orijinal örnekte bu değer 1.18 idi. İki değişkenli normal dağılım modelinde, bu ölçüm için arka tahmin dağılımı 1’in üzerinde ortalandı (beklendiği gibi; normal dağılımda çarpıklık yoktur). Düzlemsel dağılım modelinde, arka öngörücü dağılım 1.04 civarında merkezlenmiştir ve bu, orijinal örneklemin değerine normal dağılım modelinin sonucundan biraz daha yakındır.

Y değişkeni için (serbest konuşma öğesi), örnekteki oran 1.02 idi. Düzlemsel yoğunluk, arka kestirimci dağılımın 1.13 civarında ortalanmış olmasının da gösterdiği gibi, oranı daha fazla tahmin ediyor. Bununla birlikte, iki değişkenli normal dağılım için arka tahmin dağılımı, orijinal örneklemin değeriyle tutarlıdır. Bu test için Bayes p değeri .26’dır: Arka öngörücü örneklerin yalnızca% 26’sı, gözlemlenen örnek oranından daha uç bir ortalama / medyan oranına sahiptir.

Yukarıda, beş testin tamamının sonuçlarını göstermektedir. Sonuçlar, orijinal verilerde (0,0) hücresinde 361 gözlem olmasına rağmen, iki model için arka tahmin dağılımlarının çok daha az tahmin ettiğini göstermektedir (iki değişkenli normal ve düzlemsel yoğunluklar için sırasıyla 95 ve 27). Her iki Bayesian p değeri de 0’dır, bu da iki modelin de dağılımın bu ucunda verilere iyi uymadığını gösterir.


On yılı aşkın süredir ödev yapma desteği veren Ödevcim Akademik, size İstatistiğin her alanında yardımcı olacaktır. Sosyal Bilimlerde İstatistik, İstatistik Nedir, İstatistik Fiyatları, Ücretli İstatistik Yaptırma, Analiz Yaptırma, Veri Analizi Yaptırma aramalarında sizde Ödevcim Akademik destek olsun istiyorsanız yapmanız gerekenler çok basit. Öncelikle İstatistik ile ilgili belgelerinizi akademikodevcim@gmail.com sayfamızdan gönderebilir ödevleriniz, tezleriniz, makaleleriniz ve projeleriniz ile ilgili destek alabilirsiniz.


 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir