İstatistik – Sosyal Bilimlerde İstatistik (9) – T ve Çok Değişkenli T Dağılımları – 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 (1 Kişi oy verdi, 5 üzerinden ortalama puan: 5,00. Bu yazıya oy vermek ister misiniz?)
Loading...

İstatistik – Sosyal Bilimlerde İstatistik (9) – T ve Çok Değişkenli T Dağılımları – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

9 Eylül 2020 Bir olabilirlik fonksiyonunun oluşturulması İstatistik – Sosyal Bilimlerde İstatistik (9) – T ve Çok Değişkenli T Dağılımları – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma Maksimum Olasılık Tahmini marjinal dağılım dolaylı olarak t dağılımları Ödevcim Akademik Sosyal Bilimlerde Klasik İstatistikler T ve Çok Değişkenli T Dağılımları 0
İstatistik – Sosyal Bilimlerde İstatistik (9) – T ve Çok Değişkenli T Dağılımları – 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.


T ve Çok Değişkenli T Dağılımları

T (Student t) ve çok değişkenli t dağılımları, modern sosyal bilim istatistiklerinde oldukça yaygın olarak kullanılmaktadır. Örneğin, varyans ters bir gama dağılımını izleyen varyansla veriler için normal bir dağılım varsayan bir modelde varyans bilinmiyorsa (sonraki bölümlere bakın), ortalamanın marjinal dağılımı dağılımda izler (katsayı testlerini düşünün) regresyon modelinde). Ayrıca, örneklem boyutu küçük olduğunda, t, verilerin dağılımında daha ağır kuyrukları telafi etmek için normal dağılıma sağlam bir alternatif olarak kullanılır. Örneklem büyüklüğü arttıkça, σ ile ilgili belirsizlik azalır ve t dağılımı normal bir dağılıma yakınsar. T dağılımı için yoğunluk fonksiyonları normalden çok daha karmaşık görünmektedir.

X ∼ t (μ, σ, v) ise, o zaman:

f (x) = Γ (v / 2) σ√vπ

μ ortalamadır, σ standart sapmadır ve v “serbestlik derecesidir”. X değişkenlerin k boyutlu bir vektörü (x1 … xk) ve X ∼ mvt (μ, Σ, v) ise, o zaman:

f (x) = 􏰕1 + v − 1 (X – μ) T Σ − 1 (X – μ) 􏰃

μ bir ortalamalar vektörü ve Σ, X’in varyans-kovaryans matrisidir.

Bu yazıda t ve çok değişkenli t dağılımlarını açık bir şekilde kullanmayacağız, ancak birlikte çalışacağımız bir dizi marjinal dağılım dolaylı olarak t dağılımları olacaktır.

Sosyal Bilimlerde Klasik İstatistikler

2004 sonbaharında CNN / USAToday / Gallup, ABD başkanlık seçimlerini George W. Bush’un mu yoksa John F. Kerry’nin mi kazanacağını tahmin etmeye çalışan bir dizi anket yaptı. En önemli savaş alanı eyaletlerinden biri, sonuçta George Bush’un kazandığı Ohio’du, ancak tüm anketler yükseliştedir. Aşağıdaki örnekte açıkça görülür;

Şekil 2.12. T (0,1,1), t (0,1,10) ve t (0,1,120) dağılımları 

Seçimlere göre, eyalette istatistiksel olarak ayırt edilemeyen oy oranlarını talep eden iki aday gösterildi. Ohio’daki son anket,% 46’sı Bush’a oy vereceğini ve% 50’si Kerry’ye oy vereceğini belirten 1111 olası seçmenden oluşuyordu, ancak ankette ±% 3’lük bir hata payı vardır.

Önceki bölümlerde, olasılık teorisini tartıştık ve istatistiğin esasen olasılığın tersi olduğunu belirttim. Olasılıkta, bize bir dağılım ve parametreleri verildiğinde, olayların olasılıklarını çıkarabiliriz.

Onları üreten parametrelerin değerlerinin belirlenmesinin farklı yöntemleri vardır. Anket verilerine geri dönersek, seçimi kimin kazanacağının belirlenmesi, bundan ortaya çıktığı düşünülen bir olay koleksiyonu (potansiyel oyların bir örneği) verildiğinde, nüfus parametresinin (belirli bir adaya oy verecek gerçek seçmenlerin oranı) belirlenmesi ile aynı şeydir. parametresi ve ait olduğu olasılık dağılımıdır.

Klasik istatistikler, bu popülasyon parametresini tahmin etmek için bir reçete sağlar; bu bölümün geri kalanında nasıl olduğunu göstereceğim. Sonraki bölümde, sorunu Bayesçi bir bakış açısıyla ele alacağım. Bu bölüm boyunca “klasik istatistik” ile sosyal bilimlerde akademik araştırmacılar arasında en yaygın olarak kullanılan yaklaşımı kastediyorum. Kuşkusuz, kullanımdaki istatistiğe klasik yaklaşım, birkaç istatistikçinin teoremlerinin ve perspektiflerinin kullanımını içeren birkaç yaklaşımın bir kombinasyonudur.

Örneğin, model tahminine yönelik en yaygın yaklaşım, kökleri Fisher’ın çalışmalarına dayanan maksimum olasılık tahminidir, oysa p-değerlerini kullanarak hipotez testine yönelik yaygın yaklaşımın kökleri hem Neyman hem de Pearson ve Fisher’ın çalışmalarına dayanmaktadır. gerçekte her biri p-değerlerini kullanarak hipotez testine ilişkin biraz farklı görüşler geliştirmişlerdir (yine, Hubbard ve Bayarri 2003’e veya daha ayrıntılı bir tarih için bkz. Gill 2002).

Maksimum Olasılık Tahmini

Sosyal bilimler istatistik derslerinde öğretilen istatistiğe klasik yaklaşım iki temel adımı içerir: (1) model tahmin ve (2) çıkarım. İlk adım, önce eldeki veriler için uygun bir olasılık dağılımının / modelinin belirlenmesini ve ardından parametrelerinin tahmin edilmesini içerir. Maksimum olasılık (MO), sosyal bilimler istatistiklerinde parametreleri tahmin etmek ve tahminlerdeki hatanın kapsamını (sırasıyla 1. ve 2. adımlar) tanımlamak için en yaygın kullanılan yöntemdir.

Olasılık analizi; Makine öğrenimi tahmininin mekaniğinin daha ayrıntılı bir tartışması önceki bölümlerde yer alır. Maksimum olasılık tahmininin arkasındaki temel fikir, ilgilenilen bir parametrenin tahmini için iyi bir seçimin, gözlemlenen verinin meydana gelme olasılığını en yüksek kılan parametrenin değeridir. Bunu yapmak için, bize verilerin olasılığını veren bir tür fonksiyon kurmalıyız ve bu olasılığı maksimize eden parametrenin değerini bulmalıyız. Bu işleve klasik istatistikte “olasılık işlevi” adı verilir ve esasen örnekteki her gözlem için örnekleme yoğunluklarının – olasılık dağılımlarının – ürünüdür. Tahmin süreci bu nedenle aşağıdaki adımları içerir:

1. İlgili parametre (ler) için bir olabilirlik fonksiyonu oluşturun.
2. Olabilirlik fonksiyonunu basitleştirin ve logaritmasını alın.
3. Log-olabilirlik fonksiyonunun her bir parametreye göre kısmi türevini alın ve elde edilen denklem (ler) i 0’a eşitleyin.

4. Parametreleri bulmak için denklem sistemini çözün.

Bu süreç karmaşık görünüyor ve gerçekten de olabilir. Çok fazla parametre olduğunda 4. adım oldukça zor olabilir. Genel olarak, maksimumu bulmak için bir çeşit yinelemeli yöntem gerekir. Aşağıda makine öğrenimi tahmin sürecini detaylandırıyorum.

Bir olabilirlik fonksiyonunun oluşturulması

X1 ise, x2. . . xn, n büyüklüğünde bir veri setinde rastgele bir değişken olan x’in bağımsız gözlemleridir, bu durumda olasılık teorisindeki çarpım kuralından X vektörü için birleşik olasılığın şöyle olduğunu biliyoruz:

f (X | θ) ≡ L (θ | x) f (xi | θ).

Bu denklem, model için olabilirlik fonksiyonudur. Parametre ve veri değişiminin L (.) Gösterimine karşı f (.) Gösterimine nasıl yerleştirildiğine dikkat edin. Bunu L (.) Olarak adlandırıyoruz, çünkü klasik bir bakış açısından parametrenin sabit olduğu varsayılıyor. Bununla birlikte, gözlemlediğimiz veriler göz önüne alındığında, θ parametresini tahmin etmekle ilgileniyoruz, bu nedenle bu gösterimi kullanıyoruz. Bir olabilirlik fonksiyonu oluşturmanın birincil noktası, elimizdeki veriler göz önüne alındığında, verinin oluşumunu en olası veya gerçekten oluşmuş olma olasılığı en yüksek kılan parametrenin değerini çözmek istememizdir.

Denklemin sağ tarafının gösterdiği gibi, benzerlik fonksiyonunun inşası ilk olarak, gözlemlenen veriyi oluşturduğu düşünülen uygun bir olasılık dağılımı f (.) Belirlemeye dayanır. Seçim anketi örneğimizde, veriler büyük çoğunluğu Bush veya Kerry için olan 1.111 potansiyel oydan oluşuyor. Bu ikisinin dışındaki adayların önemsiz olduğunu varsayarsak, yani seçim bu ikisi arasından kimin daha fazla oy alacağını düşünürsek, o zaman veriler nihayetinde Kerry için 556 potansiyel oya ve Bush için 511 potansiyel oya düşecektir. Bu tür veriler için uygun bir dağıtım, iki terimli dağılımdır. Kerry’nin seçimi kazanıp kazanmayacağıyla ilgileniyorsak, Kerry’ye verilen oyu “başarı”, tersini Bush’a verilen oyu “başarısızlık” olarak değerlendirebilir ve olasılık fonksiyonumuzu şu hedefle kurabiliriz: başarı olasılığının belirlenmesi s. Bu durumda olabilirlik işlevi şöyle görünür:

L (p | X) = (1000/556) p556 (1 – p) 511.


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

Call Now Button