İstatistik – Sosyal Bilimlerde İstatistik (48) – Algoritmaların Sonuçları ve Karşılaştırması – 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 (48) – Algoritmaların Sonuçları ve Karşılaştırması – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

29 Eylül 2020 Algoritmaların Sonuçları ve Karşılaştırması İstatistik – Sosyal Bilimlerde İstatistik (48) – Algoritmaların Sonuçları ve Karşılaştırması – İstatistik Nedir – İstatistik Fiyatları – Ücretli İstatistik Yaptırma İzleme grafikleri Katsayıların çoğunun işaretine ve büyüklüğüne dayanan bazı kanıtlar klasik istatistiksel araştırma Kontrol değişkenleri modeli için aralık tahminleri Ödevcim Akademik örneklenmiş regresyon parametresi β için tam koşullu dağılım 0
İstatistik – Sosyal Bilimlerde İstatistik (48) – Algoritmaların Sonuçları ve Karşılaştırması – 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.


Kontrol değişkenleri olarak yaş, cinsiyet, ırk, eğitim ve aile gelirini kullanıyorum. Bölgeyi, katılımcının 16 yaşında yaşadığı bölgeden ve katılımcının şu anda yaşadığı bölgeden oluşturulan bir dizi üç kukla değişken kullanarak ölçüyorum: Güneyde sürekli ikamet eden, Güney göçmen, Güney dış göçmen vb.

Bunu ölçmeyi seçiyorum, çünkü Güney’in kültürü o bölgeye özgü olsa da, bireyler zamanla kültürü içselleştirir. Böylelikle bir bölgeye taşınan bireyler o bölgenin kültürel pratiklerini hemen benimsememekte, bir bölgeden dışarı çıkan bireyler ise önceki kültürel kimliklerini hemen kaybetmemektedir.

Bu konu modülünün kullanıldığı iki yıl için orijinal örneklem büyüklüğü n = 2.712 idi. Yaşta veya eğitimde on altı kişi (% 0,6) kayıptı; silindi. Ek bir 257 kişi (% 9,5) yalnızca gelirde kayıptı ve bir sonuç değişkeninde ve muhtemelen gelirde 127 kişi (% 4,7) kayıptı. İlk analizler için, yalnızca eksiksiz bilgiye sahip bireyleri kullanıyorum (orijinal örneklemin% 85,8’i, yaş veya eğitimde eksik olanlar hariç). Sonraki analizlerde, eksik verilerin Bayesci çerçeveye nasıl dahil edileceğini göstereceğim. Tablo 7.1, modellerdeki değişkenler için tanımlayıcı istatistikler sunmaktadır.

NOT 1: Bu varsayımlar muhtemelen büyük ölçüde, zamanın bir saat yerine gün ışığı ile ölçüldüğü, çoğu işçi ilkokulun ötesinde örgün eğitimden yoksun fiziksel (tarımsal) işçilerdi ve kapalı olan Güney’in tarım tarihinden kaynaklanmaktadır. Kırsal toplulukların doğası, empati ve şefkati, bireylerin birbirine daha az benzediği (yani, “gesellschaft benzeri” ilişkilerin baskın olduğu) kentsel topluluklardan daha geçerli kılan ve dolayısıyla daha az em- Başkalarının kötü durumuyla yolunu bul. Buradaki amacım Güneyli / Güneyli olmayan farklılıklara dair sosyolojik bir teori geliştirmek değil. Bu tür sosyolojik teorinin temeli için Durkheim (1984) ‘e bakınız.

NOT 2: Elbette bu ölçü mükemmel değil. Bireyler birçok kez taşınmış olabilir; bu ölçü, yalnızca iki noktada ikametgahı kapsamaktadır.

Algoritmaların Sonuçları ve Karşılaştırması

Bu algoritmaların her birini en az 20.000 yineleme için çalıştırdım. Şekil 7.1, üç farklı MCMC algoritmasının her birinden her bir regresyon parametresi için hesaplanan Bölüm 6’da tartışılan ölçek azaltma faktörünü R shows gösterir. Şekilde görüldüğü gibi, MH ve Gibbs örnekleyicileri birbirine çok hızlı yakınlaşır (ve muhtemelen posterior dağılımda).

İzleme grafikleri, üç algoritmanın da 1000 yineleme içinde birleştiğini gösterdi. Örneğin, Şekil 7.2, üç algoritmanın tümü için hata varyans parametresi için izleme çizimlerini göstermektedir. Olay örgüsünün gösterdiği gibi, üç algoritma yalnızca birkaç yinelemeden sonra ayırt edilemez izler üretir.

Bu benzerliklere dayanarak, bu üç algoritmadan hangisi diğerlerine tercih edilir? Gibbs örnekleyicilerinden biri, Gibbs örneklemesinin MH örneklemesi üzerindeki etkinliği nedeniyle muhtemelen en iyi yaklaşımdır. Ancak bu sorunun cevabı duruma özeldir ve birkaç düşünceye bağlıdır.

Öncelikle, programlar kısaldıkça ve daha verimli hale geldikçe, daha fazla matematik yatırımı gerektirdiklerine dikkat edin. MH algoritması, sadece posterior yoğunluğu normalleştirme sabitine kadar bilmemizi gerektirdi. Tam koşullu Gibbs örnekleme algoritması, her iki parametre için koşullu dağılımları türetmemizi gerektirdi.

Bileşim yöntemi, yalnızca β için tam koşullu dağılımı bulmamızı gerektiriyordu, ancak aynı zamanda, σe2 için marjinal dağılımı elde etmek için β üzerindeki arka yoğunluğu entegre etmemizi de gerektiriyordu. Bu nedenle, hangi algoritmanın kullanılacağına karar verirken, önemli bir husus, koşullu ifadeleri ve / veya marjinal dağılımları türetmenin zorluğu olabilir.

İkinci olarak, eğer veriler, bir MH algoritması kullanılarak tüm parametreler üzerinde makul kabul oranlarını elde etmenin zor olacağı şekildeyse, bir Gibbs örnekleyici tercih edilebilir. Burada sunulan örnekte, üç algoritmanın tümü karşılaştırılabilir sonuçlar verdi ve bu nedenle, hızlı yakınsaması ve karıştırması göz önüne alındığında, Gibbs örnekleyicilerinden biri en iyisidir.

Tam koşullu Gibbs örnekleyicisinden sonuçları bildiriyorum. Örneklerin ilk yarısını attıktan ve otokorelasyonu (bu problemde gerçekten gerekli değildir) azaltmak için her 10 yinelemeyi tuttuktan ve bu işlemi dört sonucun her biri için tekrarladıktan sonra, posterior ortalamaları ve standart sapmaları hesapladım. 

Bu sonuçlar aşağıda gösterilmektedir. Sonuçlar, Güneylilerin diğerlerinden daha iyi olduğu hipoteziyle tutarlı. Güney’de 16 yaşında ikamet eden ve araştırmanın şu anki dalgasında ikamet eden bireyler daha yüksek empati seviyelerine sahipler, daha fazla hoşgörüye sahipler, daha özveriler ve diğer bölgelerdeki veya diğer bölgelerdeki kişilere göre daha özgecil davranışlar sergiliyorlar.

Katsayıların çoğunun işaretine ve büyüklüğüne dayanan bazı kanıtlar var, eğer Güney’in kültürü diğer bölgelerden daha güzelse, bölgesel kültürün etkisinin kaybolması biraz zaman alıyor, ama belki de benimsemiyor. . Hem Güney’den göçmenler hem de Güney’e göçmenler, neredeyse tüm sonuç ölçütlerinde, modeldeki kontrol değişkenleri hariç daha yüksek puanlara sahiptir.

Sonuçları, klasik istatistiksel araştırmada yaygın olduğu gibi yıldız işaretleriyle bildirmiş olmama rağmen, bunu Bayes ortamında yapmaya gerek yoktur.

Bunun yerine, Güney’deki göçmenlerin Güney’de hiç yaşamamış insanlardan daha iyi olduğunu söyleyen olasılıkları doğrudan tartışabiliriz. Örneğin, göçmenlerin Güney’de hiç yaşamamış insanlardan daha fazla empatiye sahip olma olasılığı vardır.

Bu olasılık, basitçe, 0’ı aşan örneklenmiş regresyon parametresi değerlerinin oranının hesaplanmasıyla elde edildi. Bu nedenle, bu parametre klasik bir bakış açısından “anlamlı” olarak kabul edilmese de, Bayes yaklaşımı, Güneyde hiç yaşamamış insanlardansa. göçmenlerin oldukça daha hoş olduğunu öne sürüyor.

Tablonun alt kısmında R2 modeli için aralık tahminleri verilmektedir. Sadece nokta tahminleri değil, regresyon parametreleri ve hata varyans parametresi için tam dağılımlarımız olduğu göz önüne alındığında, parametrelerin her bir örneğinin ima ettiği R2’yi hesaplayabilir, böylece R2 modeli için arka dağılımdan bir örnek elde edebiliriz. Bu örnek sıralandıktan sonra,% 95 aralık tahmini için bitiş noktaları olarak 2.5. ve 97.5. yüzdelik değerleri seçebiliriz.

Not: Bayesçi tahminler sonradan gelen ortalamalardır. Bayesian p değerleri, parametrenin 0’ı aştığı ve #p <.1, * p <.05, ** p <.01, *** p <şeklindeki klasik kesme noktalarına kesilen tek taraflı kuyruk olasılıklarına dayanmaktadır. .001. Bildirilen R2, parametreler için posterior ortalama tahminlere dayanmaktadır; % 95 aralık tahmini de rapor edilir.


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