|
关注：1
2013-05-23 12:21
求翻译：The estimator (3.6) is unbiased when the variables are not selected by data and the model is correct. However, the situation is completely different when the variables are selected based on data. In particular, Fan et al. (2012a) showed that when there are many spurious variables, σ2 is seriously underestimated, which 是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
The estimator (3.6) is unbiased when the variables are not selected by data and the model is correct. However, the situation is completely different when the variables are selected based on data. In particular, Fan et al. (2012a) showed that when there are many spurious variables, σ2 is seriously underestimated, which
问题补充： |
|
2013-05-23 12:21:38
的估计（3.6）是无偏的，当变量没有被选中的数据和模型是正确的。然而，这种情况是当基于数据被选择的变量完全不同的。尤其是，风扇等。 （2012A）表明，当有许多虚假的变量，σ2被严重低估，这进一步导致了错误的统计推论，包括模型的选择或显着性检验，假科学发现，如发现错误基因的分子机制。他们还提出了一个改装交叉验证的方法来减轻这个问题。
|
|
2013-05-23 12:23:18
估计物(3.6)是公正的，当可变物没有由数据和模型时选择是正确的。然而，当可变物根据数据时，被选择情况是完全不同的。特别是，爱好者(2012a)等表示，当有许多假可变物时， σ2严重被低估，进一步导致错误统计推论包括模型选择或显著性检定和错误科学发现例如发现分子机制的错误基因。
|
|
2013-05-23 12:24:58
估计物 (3.6) 是公正的，当可变物没有由数据时选择，并且模型是正确的。 然而，当可变物被选择根据数据时，情况是完全地不同的。 特别是，风扇等。 (2012a) 表示，当有许多假可变物时， σ2严重被低估，进一步导致错误统计推论包括模型选择或显著性检定和错误科学发现例如发现错误基因为分子机制。 他们也提出一个被整修的交叉验证方法变稀问题。
|
|
2013-05-23 12:26:38
时变量未选定的数据和模型是正确无偏估计 （3.6）。然而，这种情况是完全不同的当变量基于数据选择。尤其是，风扇 et al.（2012a） 表明很多伪变量时，σ 2 严重低估了，导致进一步错误统计推断包括模型选择或意义的测试中和虚假的科学发现，如发现错了基因的分子机制。他们还建议改装的交叉验证方法，以减轻这一问题。
|
|
2013-05-23 12:28:18
该估算器[3.6]是不偏不倚的变量时未选中的数据和模型是正确的。 但是,这种情况是完全不同的,这些变量的基础上,选取数据。 特别是,风扇et al。 [2012]显示,当有很多虚假的变量,2σ是严重低估了,这会导致进一步统计推论错误包括型号选择或意义测试,和假科学发现(如查找错误基因的分子机制。 他们还提出一个经过改装的验证方法,减轻问题。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
