Do you want BuboFlash to help you learning these things? Or do you want to add or correct something? Click here to log in or create user.
Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Informationskriterien: Exkurs zur Likelihood (Beispiel)
Answer
Prävalenz von Depression:
- Daten (D): N = 200, 29 Personen sind depressiv z = 29
- Die Prävalenzrate θ theta ) ist unbekannt und soll geschätzt werden
- Likelihood Funktion : Plausibilität der verfügbaren Daten (D) bei unterschiedlichen Parametervorschlägen θ (Prävalenzrate)
- Für jeden Parametervorschlag ( Prävalenzrate, x Achse) erhält man einen Likelihoodwert (y Achse)
- --> Bild
- In diesem Fall ist es nicht notwendig die Likelihood Werte von mehreren Parameter Vorschlägen zu bestimmen
- Der Maximum Likelihood Vorschlag lässt sich einfach bestimmen 𝑧/𝑁= 29/200= 0.145
- Bei relativ einfachen Auswertungsmethoden (Prävalenzrate, t test etc.) muss die Likelihood Funktion nicht untersucht werden, weil die Lösung (Maximum Likelihood ) eindeutig ist
- Bei komplexen Methoden (z.B. Logistische Regression) müssen unterschiedliche Parametervorschläge ausprobiert werden
Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Informationskriterien: Exkurs zur Likelihood (Beispiel)
Answer
?
Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Informationskriterien: Exkurs zur Likelihood (Beispiel)
Answer
Prävalenz von Depression:
- Daten (D): N = 200, 29 Personen sind depressiv z = 29
- Die Prävalenzrate θ theta ) ist unbekannt und soll geschätzt werden
- Likelihood Funktion : Plausibilität der verfügbaren Daten (D) bei unterschiedlichen Parametervorschlägen θ (Prävalenzrate)
- Für jeden Parametervorschlag ( Prävalenzrate, x Achse) erhält man einen Likelihoodwert (y Achse)
- --> Bild
- In diesem Fall ist es nicht notwendig die Likelihood Werte von mehreren Parameter Vorschlägen zu bestimmen
- Der Maximum Likelihood Vorschlag lässt sich einfach bestimmen 𝑧/𝑁= 29/200= 0.145
- Bei relativ einfachen Auswertungsmethoden (Prävalenzrate, t test etc.) muss die Likelihood Funktion nicht untersucht werden, weil die Lösung (Maximum Likelihood ) eindeutig ist
- Bei komplexen Methoden (z.B. Logistische Regression) müssen unterschiedliche Parametervorschläge ausprobiert werden
If you want to change selection, open document below and click on "Move attachment"
pdf
cannot see any pdfs
Summary
| status | not learned | measured difficulty | 37% [default] | last interval [days] | |||
|---|---|---|---|---|---|---|---|
| repetition number in this series | 0 | memorised on | scheduled repetition | ||||
| scheduled repetition interval | last repetition or drill |
Details
No repetitionsDiscussion
Do you want to join discussion? Click here to log in or create user.