m******e
发帖数: 35 | 1 比如说用一组实测的数据 a1, b1, c1。。。n1
它们之间并不相关，相差可能很大
有一个模型对这组数据进行估计，结果为a2, b2, c2...n2
怎么用统计方法说明这个预测有多准呢？
因为a1, b1...并不相关，也没有mean和期望
用 sigma (x2-x1)平方/n可以吗？
这又叫什么呢？ 不是标准方差吧？ | J*****n
发帖数: 48 | 2 Dos this model make sense? To estimate non-comparable variables?
what do you mean by "not correlated", if independent, that's
trivial. Assume your a1,b1... are in same scale, statisticians
often use mean square error mean(x2-x1)^2.
You can use other errors like MAE.
【在 m******e 的大作中提到】
: 比如说用一组实测的数据 a1, b1, c1。。。n1
: 它们之间并不相关，相差可能很大
: 有一个模型对这组数据进行估计，结果为a2, b2, c2...n2
: 怎么用统计方法说明这个预测有多准呢？
: 因为a1, b1...并不相关，也没有mean和期望
: 用 sigma (x2-x1)平方/n可以吗？
: 这又叫什么呢？ 不是标准方差吧？
| m******e
发帖数: 35 | 3 谢谢， mean(x2-x1)^2是不是就是加起来求个平均呢？我也是想用这个
但是不知道叫什么
我也不知道是"not correlated"还是 independent
反正他们相互不影响
a1, b1都是同一单位
MAE又怎么算呢？谢谢
【在 J*****n 的大作中提到】
: Dos this model make sense? To estimate non-comparable variables?
: what do you mean by "not correlated", if independent, that's
: trivial. Assume your a1,b1... are in same scale, statisticians
: often use mean square error mean(x2-x1)^2.
: You can use other errors like MAE.
| m******e
发帖数: 35 | 4 另外可不可以用 sqare root of mean square error来说明呢？
是不是更好？
【在 J*****n 的大作中提到】
: Dos this model make sense? To estimate non-comparable variables?
: what do you mean by "not correlated", if independent, that's
: trivial. Assume your a1,b1... are in same scale, statisticians
: often use mean square error mean(x2-x1)^2.
: You can use other errors like MAE.
| J*****n
发帖数: 48 | 5 MAE is mean absolute error:mean(abs(x2-x1))
【在 m******e 的大作中提到】
: 谢谢， mean(x2-x1)^2是不是就是加起来求个平均呢？我也是想用这个
: 但是不知道叫什么
: 我也不知道是"not correlated"还是 independent
: 反正他们相互不影响
: a1, b1都是同一单位
: MAE又怎么算呢？谢谢
| J*****n
发帖数: 48 | 6 you can but that does not make too much sense in statistics.
【在 m******e 的大作中提到】
: 另外可不可以用 sqare root of mean square error来说明呢？
: 是不是更好？
| m******e
发帖数: 35 | 7 I want to use it because
it has the same unit (not squared) with my original data
Can you tell me why it does not make sense in stat?
【在 J*****n 的大作中提到】
: you can but that does not make too much sense in statistics.
|
|
