r - R中的经验标准偏差
问题描述
以下是正确的吗?
假设我们模拟 1000 个以下模型:y = beta*x + error。
然后,我们将获得 1000 个 beta 帽子。
样本均值是 beta bar= (beta1 hat +beta2 hat +...+beta1000 hat)/1000
经验标准差是 sqrt(sum(beta_i hat - beta bar)/n-1) 是 i=1,2,.., 1000,n 是 y 的长度。
先感谢您
解决方案
我不确定你到底想做什么,但如果你有一个线性回归,比如在模型“y = beta * x + error”中,你估计只有1个beta。这是你的测试帽。您的估计系数。然后您可以计算 y 的估计值,称为 y hat。
所以你估计的 y 将是:
贝塔帽子x1,贝塔帽子x2,...,贝塔帽子*xn = y1 帽子,y2 帽子,...,yn 帽子。
估计的平均值是:
(y1 帽子 + y2 帽子 + ... + yn 帽子)/n
那么问题是您是否需要估计的 y、y 帽子的标准差,或残差标准误差 (RSE) 或原始数据 y 或 x 的标准差。
估计标准差的公式是:
sqrt (sum_i=1^n ((x_i -mean(x))^2)/(n-1))
希望它可以帮助一点
推荐阅读
- c# - Application.Current.Shutdown() c# 应用程序未正确关闭
- mysql - MySQL - 无法运行查询
- javascript - 减少新数组未正确执行
- javascript - Azure Ad CORS 如何调用 web api url
- pandas - 如何在 Matplotlib 的散点图中查看特定点的数据?
- c# - 如何在列表类中隐藏属性
- javascript - 如何:使用 React Native 为 9gag 的“添加按钮”设置动画
- python - Python - 使用子进程在目录和子目录中查找包含特定文本的所有文件
- c# - 值类型的“is T x”的实现和性能
- c# - 获取属性 c# 的返回与分配