Estadísticas y Big Data

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. Necesito calcular la función de distribución acumulativa de una muestra de datos. ¿Hay algo similar a hist () en R que mida …

23 r  distributions  cdf 

Recientemente hubo una pregunta similar a ML sobre el intercambio de pilas de teoría, y publiqué una respuesta recomendando el método de Powell, el descenso de gradiente, los algoritmos genéticos u otros "algoritmos de aproximación". En un comentario, alguien me dijo que estos métodos eran "heurísticos" y no "algoritmos de …

23 machine-learning  optimization  approximation 

Esta mañana me desperté preguntándome (esto podría deberse al hecho de que anoche no dormí mucho): dado que la validación cruzada parece ser la piedra angular del pronóstico adecuado de series temporales, ¿cuáles son los modelos que debería "normalmente"? "validación cruzada contra? Se me ocurrieron algunos (fáciles), pero pronto me …

23 time-series  cross-validation  arima 

¿Cuál es la diferencia semántica entre el error cuadrático medio (MSE) y el error de predicción cuadrático medio (MSPE)?

23 regression  estimation  interpretation  error  prediction 

Si tengo una muestra de iid normal multivariante y defino (que es una especie de distancia de Mahalanobis [al cuadrado] desde un punto de muestra al vector usando la matriz para ponderar), ¿cuál es la distribución de (distancia de Mahalanobis al muestra media usando la matriz de covarianza de muestra …

23 multivariate-analysis  outliers 

Supongamos que tengo un modelo predictivo que produce, para cada caso, una probabilidad para cada clase. Ahora reconozco que hay muchas formas de evaluar ese modelo si quiero usar esas probabilidades para la clasificación (precisión, recuperación, etc.). También reconozco que una curva ROC y el área debajo de ella se …

23 data-visualization  classification  predictive-models  binary-data  calibration 

Estoy usando JMP para examinar las diferencias en la cubierta vegetal en grupos de formas de crecimiento (árboles, arbustos, hierbas, etc.) antes y después de tres tratamientos con un control. El tamaño de mi muestra es pequeño (n = 5) y la mayoría de mis distribuciones no se distribuyen normalmente. …

23 multiple-comparisons  nonparametric  tukey-hsd 

Me pregunto si siempre hay un maximizador para cualquier problema de estimación de probabilidad máxima (log). En otras palabras, ¿hay alguna distribución y algunos de sus parámetros, para los cuales el problema MLE no tiene un maximizador? Mi pregunta proviene de la afirmación de un ingeniero de que la función …

23 maximum-likelihood  optimization 

Participo en competencias de modelado predictivo en Kaggle , TunedIt y CrowdAnalytix . Creo que estos sitios son una buena forma de "hacer ejercicio" para estadísticas / aprendizaje automático. ¿Hay otros sitios que debería conocer? ¿Cómo se sienten con respecto a las competiciones donde el anfitrión tiene la intención de …

23 machine-learning  predictive-models 

Como la ciencia debe ser reproducible, por definición, existe un reconocimiento cada vez mayor de que los datos y el código son un componente esencial de la reproducción, como se discutió en la Mesa Redonda de Yale para compartir datos y códigos . Al revisar un manuscrito para una revista …

23 dataset  validation  reproducible-research  journals 

Tengo una matriz con dos columnas que tienen muchos precios (750). En la imagen a continuación tracé los residuos de la siguiente regresión lineal: lm(prices[,1] ~ prices[,2]) Mirando la imagen, parece ser una autocorrelación muy fuerte de los residuos. Sin embargo, ¿cómo puedo probar si la autocorrelación de esos residuos …

23 r  regression  correlation  autocorrelation 

Quiero generar dos variables. Una es la variable de resultado binaria (digamos éxito / fracaso) y la otra es la edad en años. Quiero que la edad se correlacione positivamente con el éxito. Por ejemplo, debería haber más éxitos en los segmentos de mayor edad que en los menores. Idealmente, …

23 correlation  random-variable  random-generation  binary-data 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado el año pasado . Estoy buscando información sobre cómo otros organizan su código R y su salida. Mi práctica actual …

23 r  project-management 

Estoy realizando análisis de regresión múltiple y no estoy seguro de si se deben eliminar los valores atípicos en mis datos. Los datos que me preocupan aparecen como "círculos" en los diagramas de caja de SPSS, sin embargo, no hay asteriscos (lo que me hace pensar que no son "tan …

23 regression  outliers 

Al hacer una investigación de series temporales en R, descubrí que arima solo proporciona los valores de los coeficientes y sus errores estándar del modelo ajustado. Sin embargo, también quiero obtener el valor p de los coeficientes. No encontré ninguna función que proporcione la importancia de coef. Así que deseo …

23 r  time-series  chi-squared  arima  parametric