Estadísticas y Big Data

Un análisis intermedio es un análisis de los datos en uno o más puntos de tiempo antes del cierre oficial del estudio con la intención de, por ejemplo, posiblemente terminar el estudio antes de tiempo. Según Piantadosi, S. ( Ensayos clínicos: una perspectiva metodológica ): " La estimación de un …

24 clinical-trials  bias 

El New York Times tiene un largo comentario sobre el sistema de evaluación docente de "valor agregado" que se utiliza para dar retroalimentación a los educadores de la ciudad de Nueva York. El lede es la ecuación utilizada para calcular los puntajes, presentada sin contexto. La estrategia retórica parece ser …

24 regression  multilevel-analysis  statistics-in-media 

Al principio pensé que el orden no importaba, pero luego leí sobre el proceso de ortogonalización de gram-schmidt para calcular coeficientes de regresión múltiple, y ahora tengo dudas. Según el proceso de gram-schmidt, cuanto más tarde se indexa una variable explicativa entre las otras variables, más pequeño es su vector …

24 regression  multiple-regression  regression-coefficients 

Quiero estimar el cuantil de algunos datos. Los datos son tan grandes que no pueden almacenarse en la memoria. Y los datos no son estáticos, siguen llegando nuevos datos. ¿Alguien conoce algún algoritmo para monitorear los cuantiles de los datos observados hasta ahora con memoria y cómputo muy limitados? Encuentro …

24 algorithms  quantiles 

Tengo valores de p de muchas pruebas y me gustaría saber si realmente hay algo significativo después de corregir las pruebas múltiples. La complicación: mis pruebas no son independientes. El método en el que estoy pensando (una variante del Método del producto de Fisher, Zaykin et al., Genet Epidemiol , …

24 correlation  multiple-comparisons  statistical-significance  genetics 

¿Qué buenos libros de texto de econometría recomendarías? Editar: hay bastantes libros por ahí, con diferentes niveles de sofisticación matemática. Sería bueno tener una idea de cuán técnico es el libro que está recomendando.

24 econometrics  references 

¿Es la "hora del día" donde el valor puede ser 0, 1, 2, ..., 23 una variable categórica? Me sentiría tentado a decir que no, ya que 5, por ejemplo, está "más cerca" de 4 o 6 que de 3 o 7. Por otro lado, existe la discontinuidad entre 23 …

24 categorical-data  circular-statistics 

¿Cuál es la notación algebraica para calcular el intervalo de predicción para la regresión múltiple? Suena tonto, pero tengo problemas para encontrar una notación algebraica clara de esto.

24 multiple-regression  least-squares  prediction-interval 

Deseo comprender mejor cómo se obtuvo la corrección de continuidad de la distribución binomial para la aproximación normal. ¿Qué método se utilizó para decidir que debemos agregar 1/2 (¿por qué no otro número?). Cualquier explicación (o un enlace a la lectura sugerida, aparte de esto , sería apreciada).

24 binomial  asymptotics 

Estoy tratando de entender las diferencias entre los métodos de reducción de dimensionalidad lineal (por ejemplo, PCA) y los no lineales (por ejemplo, Isomap). No puedo entender lo que implica la (no) linealidad en este contexto. Leí de Wikipedia que En comparación, si se utiliza PCA (un algoritmo de reducción …

24 pca  terminology  dimensionality-reduction  pattern-recognition  manifold-learning 

En Alex Krizhevsky, et al. La clasificación de Imagenet con redes neuronales convolucionales profundas enumera el número de neuronas en cada capa (ver el diagrama a continuación). La entrada de la red es de 150,528 dimensiones, y el número de neuronas en las capas restantes de la red viene dado …

24 neural-networks  deep-learning  conv-neural-network 

Intentaba simular la inyección de puntos aleatorios dentro de un círculo, de modo que cualquier parte del círculo tenga la misma probabilidad de tener un defecto. Esperaba que la cuenta por área de la distribución resultante siguiera una distribución de Poisson si rompo el círculo en rectángulos de igual área. …

24 random-generation  circular-statistics 

Estoy usando la matriz de confusión para verificar el rendimiento de mi clasificador. Estoy usando Scikit-Learn, estoy un poco confundido. ¿Cómo puedo interpretar el resultado de from sklearn.metrics import confusion_matrix >>> y_true = [2, 0, 2, 2, 0, 1] >>> y_pred = [0, 0, 2, 2, 0, 2] >>> confusion_matrix(y_true, …

24 predictive-models  prediction  confusion-matrix 

Estoy construyendo un modelo y creo que es probable que la ubicación geográfica sea muy buena para predecir mi variable objetivo. Tengo el código postal de cada uno de mis usuarios. Sin embargo, no estoy completamente seguro de la mejor manera de incluir el código postal como una función de …

24 machine-learning  feature-construction  many-categories 

Estoy tratando de modelar datos de conteo en R que aparentemente están poco dispersos (Parámetro de dispersión ~ .40). Esta es probablemente la razón por la cual un modelo binomial ( ) glmcon family = poissono negativo glm.nbno es significativo. Cuando miro los descriptivos de mis datos, no tengo el …

24 r  poisson-distribution  negative-binomial  beta-binomial  underdispersion