• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Electronic Journal of Statistics >Inference from small and big data sets with error rates
【24h】

Inference from small and big data sets with error rates

机译：从具有错误率的大小数据集推断

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we introduce randomized $t$-type statistics that will be referred to as randomized pivots . We show that these randomized pivots yield central limit theorems with a significantly smaller error as compared to that of their classical counterparts under the same conditions. This constitutes a desirable result when a relatively small number of data is available. When a data set is too big to be processed, or when it constitutes a random sample from a super-population, we use our randomized pivots to infer about the mean based on significantly smaller sub-samples. The approach taken is shown to relate naturally to estimating distributions of both small and big data sets.
机译：在本文中，我们介绍了随机的$ t $型统计信息，该统计信息称为随机枢轴。我们显示，与相同条件下的经典对等点相比，这些随机枢轴产生的中心极限定理具有明显更小的误差。当可获得相对少量的数据时，这构成了理想的结果。当数据集太大而无法处理时，或者当它构成超级人口中的随机样本时，我们将使用随机数据透视表基于明显较小的子样本推断均值。事实证明，采用的方法与估计小型和大型数据集的分布自然相关。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号