а ещё бывает взаимодействие пола с чем-нибудь важным 😁

и вот при добавлении членов взаимодействия несбалансированная выборка приводит к корреляции взаимодействия с одним из порождающих его эффектов, и отъеданию значимости у последнего (если не использовать II тип суммы квадратов)

Наверное, если платить, дисбаланс пропадет

Друзья, помогите подсчитать О большое для алгоритма медианного сгалживания с окном n  в ряду длиной T, написано что нужно самый эффективный алгоритм использовать в плане производительности. Размер окна медианного сглаживания определяется как 2m+1 самым простым алгоритмом в таком случае будет тот где m=1. Т.е. длина окна будет равна 3-м.  В таком случае кол-во окон будет равно  T - (2 (1) +1).  А кол-во всех вычислений как 2m+1*2  так как надо сделать 2 итерации чтобы найти медиану. И Получается что всего будет  T-(2*(1)-1) * 2*(2(1)+1) = T-1*6 т.е. О большое равно О(Т). Я только осваиваю это дело подскажите правильно ли я считал это дело

Мне кажется коллега не прав. Если берём перепись 2019 года, то доля мужчин идёт 46,2%. У вас в выборке 49,5%. У нас 95%доверительный интервал получается +- 4,86%...следовательно всё нормально, если я правильно посчитал (просто делал всё быстро руками)

С чего такой огроменный доверительный интервал?

Так получилось, руками считал... Кстати нашёл аналогичный пример, по которому и считал

Тока последний скрин первый как бы

Ну это точно значимое отличие от 52%

Не стоит так делать, хи-квадрат без коррекций к 1 степени свободы даёт искажения

Поэтому и есть биномиальный

Я сейчас думаю, где логическая ошибка в проверке по Стьюденту для генеральной доли, которую в социологическом учебнике применяли. Интересный кейс на разогрев мозгов

Надо бы найти бакалавриат по статистике удалённый и поучиться там.

Там же есть поравка

А, сорри

Эм. А что подставлялось взамен 10000? Население России?

Проп тест разве не вероятность удачи рассчитывает, когда мы предполагаем дов интервал

Как бы он здесь не очень вроде