Estadísticas y Big Data

Estaba escuchando una charla y vi esta diapositiva: Que tan cierto es

22 deep-learning  deep-belief-networks 

Soy un estudiante graduado de matemática pura con poca experiencia en matemática aplicada. Desde el otoño pasado, he estado tomando clases sobre el libro de Casella & Berger, y he terminado cientos (más de 230) páginas de problemas de ejercicio en el libro. En este momento estoy en el Capítulo …

22 distributions  references  eda 

¿Cómo podría verificar si mis datos, por ejemplo, el salario, provienen de una distribución exponencial continua en R? Aquí está el histograma de mi muestra: . ¡Cualquier ayuda será apreciada!

22 r  distributions  goodness-of-fit  exponential 

En este comentario , Nick Cox escribió: Binning en clases es un método antiguo. Si bien los histogramas pueden ser útiles, el software estadístico moderno facilita y aconseja ajustar las distribuciones a los datos sin procesar. Binning simplemente arroja detalles que son cruciales para determinar qué distribuciones son plausibles. El …

22 references  histogram  binning  qq-plot 

Estoy realizando pruebas estadísticas independientes con la misma hipótesis nula, y me gustaría combinar los resultados en un valor . Parece que hay dos métodos "aceptados": el método de Fisher y el método de Stouffer .pnortenorteNpagspagsp Mi pregunta es sobre el método de Stouffer. Para cada prueba por separado puntaje …

22 hypothesis-testing  chi-squared  p-value  multiple-comparisons  combining-p-values 

Cuando hacemos regresiones múltiples y decimos que estamos viendo el cambio promedio en la variable para un cambio en una variable , manteniendo todas las demás variables constantes, ¿en qué valores mantenemos constantes las otras variables? Su media? ¿Cero? ¿Algún valor?yyyxXx Me inclino a pensar que tiene cualquier valor; solo …

22 multiple-regression  interpretation  least-squares  regression-coefficients  controlling-for-a-variable 

Por lo poco que sé, el algoritmo EM se puede usar para encontrar la probabilidad máxima cuando se establece en cero las derivadas parciales con respecto a los parámetros de la probabilidad, da un conjunto de ecuaciones que no se pueden resolver analíticamente. Pero, ¿es necesario el algoritmo EM en …

22 expectation-maximization 

Esta pregunta trata sobre una manera eficiente de calcular los componentes principales. Muchos textos sobre PCA lineal abogan por el uso de la descomposición de valores singulares de los datos de casos . Es decir, si tenemos datos XX\bf X y queremos reemplazar las variables (sus columnas ) por componentes …

22 pca  algorithms  svd  matrix-decomposition 

He estado buscando en el paquete de arranque en R y aunque he encontrado una serie de buenos manuales sobre cómo usarlo, todavía no he encontrado nada que describa exactamente lo que está sucediendo "detrás de escena". Por ejemplo, en este ejemplo , la guía muestra cómo usar los coeficientes …

22 r  regression  bootstrap  regression-coefficients 

Actualmente estoy pasando por "Razonamiento Bayesiano y Aprendizaje Automático" de David Barber y es un libro extremadamente bien escrito y atractivo para aprender los fundamentos. Entonces, una pregunta para alguien que ya ha hecho esto. ¿Cuáles son los siguientes libros que debería revisar después de tener un dominio razonable de …

22 machine-learning  bayesian  references  graphical-model 

¿Es el aprendizaje automático un tema importante para que cualquier estadístico se familiarice? Parece que el aprendizaje automático es estadística. ¿Por qué los programas de estadística (pregrado y posgrado) no requieren aprendizaje automático?

22 machine-learning  careers 

Tengo la sensación de que esto puede haber sido preguntado en otro lugar, pero no realmente con el tipo de descripción básica que necesito. Sé que no paramétrico se basa en la mediana en lugar de la media para comparar ... algo. También creo que se basa en "grados de …

22 hypothesis-testing  nonparametric  wilcoxon-mann-whitney 

Tengo un conjunto de datos que son estadísticas de un foro de discusión web. Estoy viendo la distribución de la cantidad de respuestas que se espera que tenga un tema. En particular, he creado un conjunto de datos que tiene una lista de conteos de respuestas de temas, y luego …

22 r  regression  nonlinear-regression 

El paquete randomForest de R no puede manejar factores con más de 32 niveles. Cuando se le dan más de 32 niveles, emite un mensaje de error: No puede manejar predictores categóricos con más de 32 categorías. Pero los datos que tengo tienen varios factores. Algunos de ellos tienen más …

22 r  random-forest  many-categories 

Cuando trabajamos con muchas variables de entrada, a menudo nos preocupa la multicolinealidad . Existen varias medidas de multicolinealidad que se utilizan para detectar, pensar y / o comunicar multicolinealidad. Algunas recomendaciones comunes son: El múltiple R2jRj2R^2_j para una variable particular La tolerancia, 1−R2j1−Rj21-R^2_j , para una variable particular El …

22 multicollinearity