作者查詢 / phil5566
作者 phil5566 在 PTT 全部看板的留言(推文), 共200則
限定看板:全部
看板排序:
14F推: 推推,已成為鄰居03/12 20:14
14F推: 推推,已成為鄰居03/12 20:14
359F推: 年收300買2500都擔心自己要吃土03/09 21:57
360F→: 只能說有爸媽靠真好03/09 21:58
123F→: 114純血在IC外商算還可以12/09 08:49
62F→: 推外商,薪水快3M,每天工時六小時10/04 08:21
6F→: 新北有外商IC很缺AE呀09/15 15:42
3F→: 感謝回答,不知道還有沒有其它說法?06/19 17:16
7F→: 太酷了~大家都code我都試過了~感謝,又學到東西了,謝謝06/01 15:37
3F→: 首先先用模擬的方式產生一組我有興趣研究的樣本,用這組02/21 13:52
4F→: 樣本求出θ^,因為θ^很複雜,所以沒辦法用手算求出Var,只02/21 13:54
5F→: 好用bootstrap的方式求stand error代替,假設bootstrap02/21 13:57
6F→: 1000次,再每bootstrap一次下也可求出θ^,假設叫θb^,共02/21 14:00
7F→: 有1000個θb^,這1000個θb^的s.d.,即bootstrap下的02/21 14:02
8F→: stand error,接這建立C.I.,我建立C.I.的方式有四種,02/21 14:12
9F→: 以下用R的語法說明較快,先說明一些代號,th0=θ^,02/21 14:17
10F→: th=那1000組的θb^,alpha<-c(0.025,0.975),02/21 14:20
11F→: 1.normalC.I.:th0 + qnorm(alpha) * sd(th)02/21 14:23
12F→: 2.basic C.I.:2*th0-quantile(th,rev(alpha),type=1)02/21 14:25
13F→: 3.percentile C.I.:quantile(th, alpha, type=6)02/21 14:27
14F→: 剛剛忘了說我bootstrap的方式是採抽後放回的抽樣方式02/21 14:30
15F→: 第4種 BCa C.I.最麻煩,zalpha <- qnorm(alpha)02/21 14:48
16F→: z0<- qnorm(sum(th0 < th) / length(th))02/21 14:49
17F→: L<- mean(th.jack) - th.jack02/21 14:49
18F→: a <- sum(L^3)/(6 * sum(L^2)^1.5)02/21 14:49
19F→: adj.alpha <- pnorm(z0 + (z0+zalpha)/(1-a*(z0+zalpha)02/21 14:50
20F→: ))02/21 14:50
21F→: quantile(th, adj.alpha, type=6)--->BCa C.I.02/21 14:50
22F→: 這裡面的th.jack就是把我產生的那組資料02/21 14:53
23F→: 假設叫T(n筆data),逐一的剔掉一筆data後,在剩餘的data下02/21 14:58
24F→: 所算出的估計量,假設叫θj^,所以從第一筆開始剔除到最後02/21 15:00
25F→: 一筆,會得到n筆的θj^,這n筆θj^就叫作th.jack02/21 15:02
26F→: 更正:是在剩餘的data下所算出的"估計值",不是"估計量"02/21 15:04
27F→: ---------------------------------------------------02/21 15:05
28F→: 以上是產生一組data下所算出的4種C.I.,那我重複產生10002/21 15:06
29F→: 組data下可算出100組4種C.I.,在分別去計算4種C.I.有沒有02/21 15:08
30F→: 包含我所設定的參數θ的比率,即為文中的覆蓋率02/21 15:10
31F→: 我比較疑惑的是我的4種C.I.都是建立在95%信心水準下02/21 15:13
32F→: 照理說做100組應該要有95組左右的C.I都會包到設定的參數02/21 15:15
33F→: 怎麼會掉到80多組?所以我想是不是估計量是有偏的,所以02/21 15:16
34F→: 覆蓋率才會有落差?02/21 15:17
35F→: 不好意思~我說了一大堆~我也不知道有沒有講到重點,實際02/21 15:28
36F→: 上我的θ是一個向量,不過就只是每個分量的元素都做和我02/21 15:30
37F→: 上面所說的一樣的事而已02/21 15:31
38F→: 附上原始的codehttp://pastebin.com/jgUBxtvj02/21 15:32
43F→: 推文裡前3種C.I.只要用到th0和th,th就是您說的一組數字02/21 17:41
44F→: x就是輸入產生的data,而stat是算th.jack會用到的,簡單來02/21 17:45
46F→: x和stat是算BCa C.I.會用到的東西所以我要輸入02/21 17:46
49F→: boot.CI回傳的會是4種C.I.的值,我把4種C.I.的算法都寫02/21 17:48
50F→: 在一boot.CI這個函數了02/21 17:49
3F→: 產生很多組樣本算出估計量平均,根據大數法則平均估計量02/18 11:44
4F→: 機率收斂到估計量的期望值,假設叫a,看|a-α|是否為0?對02/18 11:48
5F→: 吧?那有|a-α|有說要多小才是不偏嗎?另外好奇問一下,02/18 11:51
6F→: bootstrap1000次裡也1000組的估計量,直接把這1000組估計02/18 11:54
7F→: 量算平均,可以代表估計量的平均值嗎?bootstrap算出的02/18 11:56
8F→: stand error去比大小,可以衡量f和g的相對有效性嗎?謝謝02/18 11:58
14F→: 那麼比較f和g的不偏,重複產生n組的samples一定要共用嗎?02/19 14:55
15F→: 還是各別去產生n組samples去算不偏也行?02/19 14:57
16F→: 該不會是重複產生n組樣本給f和g共用分別去算這n組的平均02/19 15:03
17F→: 數和標準差,同時比較不偏和有效,而不須要用到bootstrap?02/19 15:04
18F→: 謝謝02/19 15:05
22F→: 那麼f和g的樣本點個數相同只是函數不同驗證不偏這樣有不02/19 15:12
23F→: 合理的地方嗎?02/19 15:12
26F→: 會這樣做是因為f和g函數太複雜沒法手算E(X)和V(X),只好02/19 15:14
27F→: 用模擬來驗證,即使沒法驗證不偏,驗證漸進不偏和有效也02/19 15:16
28F→: ok?比較兩者的優劣02/19 15:16
34F→: 我也是這麼認為~感謝大家的意見02/20 13:59