Estadísticas y Big Data

Tengo cuatro variables numéricas. Todos ellos son medidas de calidad del suelo. A mayor variable, mayor calidad. El rango para todos ellos es diferente: Var1 de 1 a 10 Var2 de 1000 a 2000 Var3 de 150 a 300 Var4 de 0 a 5 Necesito combinar cuatro variables en un …

22 ranking  valuation 

¿Cuáles son las diferencias entre los modelos generativos y discriminativos (discriminantes) (en el contexto del aprendizaje bayesiano y la inferencia)? ¿Y qué tiene que ver con la predicción, la teoría de la decisión o el aprendizaje no supervisado?

22 bayesian  predictive-models  unsupervised-learning 

No estoy seguro de que el sujeto entre en el interés CrossValidated. Me lo dirás Tengo que estudiar un gráfico (de la teoría de gráficos ), es decir. Tengo una cierta cantidad de puntos que están conectados. Tengo una tabla con todos los puntos y los puntos de los que …

22 r  data-visualization  graph-theory 

Me gustaría que alguien confirme mi comprensión o si me falta algo. La definición de un proceso de Markov dice que el siguiente paso depende solo del estado actual y no de estados pasados. Entonces, digamos que teníamos un espacio de estado de a, b, c, dy pasamos de a-> …

22 markov-process 

He analizado un experimento con un ANOVA de medidas repetidas. El ANOVA es un 3x2x2x2x3 con 2 factores entre sujetos y 3 dentro (N = 189). La tasa de error es la variable dependiente. La distribución de las tasas de error tiene un sesgo de 3.64 y una curtosis de …

22 anova  normality-assumption 

Dada una lista de valores p generados a partir de pruebas independientes, ordenadas en orden ascendente, se puede usar el procedimiento de Benjamini-Hochberg para la corrección de pruebas múltiples . Para cada valor p, el procedimiento Benjamini-Hochberg le permite calcular la tasa de descubrimiento falso (FDR) para cada uno de …

22 hypothesis-testing 

Los análisis químicos de las muestras ambientales a menudo se censuran a continuación en los límites de notificación o en varios límites de detección / cuantificación. Este último puede variar, generalmente en proporción a los valores de otras variables. Por ejemplo, una muestra con una alta concentración de un compuesto …

22 correlation  estimation  censoring  covariance-matrix  unbiased-estimator 

Continuando con esta pregunta : Imagine que quiere probar las diferencias en la tendencia central entre dos grupos (p. Ej., Hombres y mujeres) en un ítem Likert de 5 puntos (p. Ej., Satisfacción con la vida: Insatisfecho a Satisfecho). Creo que una prueba t sería lo suficientemente precisa para la …

22 t-test  ordinal-data  likert  scales 

He probado un proceso del mundo real, tiempos de ping de red. El "tiempo de ida y vuelta" se mide en milisegundos. Los resultados se trazan en un histograma: Los tiempos de ping tienen un valor mínimo, pero una cola superior larga. Quiero saber qué distribución estadística es esta y …

22 distributions  sample-size  sample  normality-assumption  distribution-identification 

(ACTUALIZACIÓN: profundicé en esto y publiqué los resultados aquí ) La lista de pruebas estadísticas con nombre es enorme. Muchas de las pruebas comunes se basan en la inferencia de modelos lineales simples, por ejemplo, una prueba t de una muestra es solo y = β + ε que se …

22 regression  correlation  anova  t-test  linear-model 

La primera oración de esta página wiki afirma que "en econometría, un problema de endogeneidad ocurre cuando una variable explicativa se correlaciona con el término de error. 1 " Mi pregunta es: ¿cómo puede suceder esto? ¿No se elige la regresión beta de modo que el término de error sea …

22 regression 

Para ilustrar mi pregunta, suponga que tengo un conjunto de entrenamiento donde la entrada tiene un grado de ruido pero la salida no, por ejemplo; # Training data [1.02, 1.95, 2.01, 3.06] : [1.0] [2.03, 4.11, 5.92, 8.00] : [2.0] [10.01, 11.02, 11.96, 12.04] : [1.0] [2.99, 6.06, 9.01, 12.10] …

22 regression  machine-learning  neural-networks  confidence-interval  prediction-interval 

¿Cuál es la propiedad oráculo de un estimador? ¿Para qué objetivos de modelado es relevante la propiedad del oráculo (predictivo, explicativo, ...)? Las explicaciones teóricamente rigurosas y (especialmente) intuitivas son bienvenidas.

22 feature-selection  model-selection  estimators  oracle 

Trato con un problema de detección de fraude (similar a la calificación crediticia). Como tal, existe una relación altamente desequilibrada entre las observaciones fraudulentas y no fraudulentas. http://blog.revolutionanalytics.com/2016/03/com_class_eval_metrics_r.html proporciona una excelente visión general de las diferentes métricas de clasificación. Precision and Recallo kappaambos parecen ser una buena opción: Una forma …

22 classification  unbalanced-classes  precision-recall  cohens-kappa  model-evaluation 

Estoy estudiando sobre la estimación de máxima verosimilitud y leí que la función de verosimilitud es el producto de las probabilidades de cada variable. ¿Por qué es el producto? ¿Por qué no la suma? He estado intentando buscar en Google pero no puedo encontrar ninguna respuesta significativa. https://en.wikipedia.org/wiki/Maximum_likelihood

22 maximum-likelihood