Estadísticas y Big Data

Por favor, demuestre que si tenemos dos variables (tamaño de muestra igual) e y la varianza en es mayor que en , entonces la suma de las diferencias al cuadrado (es decir, las distancias al cuadrado euclidianas) entre los puntos de datos dentro de también es mayor que que dentro …

20 variance  distance 

Tengo dos poblaciones (hombres y mujeres), cada una con muestras. Para cada muestra tengo dos propiedades A y B (promedio de calificaciones del primer año y puntaje SAT). He usado una prueba t por separado para A y B: ambos encontraron diferencias significativas entre los dos grupos; A con y …

20 statistical-significance  t-test  p-value  effect-size 

Tengo dos preguntas sobre la noción de bloque en el diseño experimental: (1) ¿Cuál es la diferencia entre un bloque y un factor? (2) Traté de leer algunos libros, pero algo no está claro: parece que los autores siempre asumen que no hay interacción entre el "factor de bloqueo" y …

20 experiment-design  interaction  interpretation 

Tengo dos proporciones (p. Ej., Porcentaje de clics (CTR) en un enlace en un diseño de control y CTR en un enlace en un diseño experimental), y quiero calcular un intervalo de confianza del 95% en torno a la proporción de estas proporciones. ¿Cómo hago esto? Sé que puedo usar …

20 confidence-interval 

Estoy usando la biblioteca careten R para probar varios procedimientos de modelado. El trainControlobjeto permite especificar un método de remuestreo. Los métodos se describen en la documentación de la sección 2.3 e incluyen: boot, boot632, cv, LOOCV, LGOCV, repeatedcvy oob. Aunque algunos de estos son fáciles de inferir, no todos …

20 r  resampling  caret 

¿Hay alguna prueba estadística que sea paramétrica y no paramétrica? Esta pregunta fue formulada por un panel de entrevista. ¿Es una pregunta válida?

20 nonparametric  terminology  parametric 

Así que este es un ajuste extraño, aunque realmente creo que es un ajuste extraño para cualquier sitio, así que pensé en probarlo aquí, entre mis hermanos que analizan datos. Llegué a la epidemiología y la bioestadística de la biología, y todavía definitivamente tengo algunos hábitos de ese campo. Uno …

20 references  software  eda 

¿Alguien puede señalarme un trabajo de encuesta sobre los resultados "Grande , Pequeño "? Estoy interesado en cómo este problema se manifiesta en diferentes contextos de investigación, por ejemplo, la regresión, clasificación, prueba de Hotelling, etc .ppagspnnn

20 regression  classification  multivariate-analysis 

He estado buscando modelos de efectos mixtos usando el paquete lme4 en R. Estoy usando principalmente el lmercomando, así que haré mi pregunta a través del código que usa esa sintaxis. Supongo que una pregunta fácil en general podría ser: ¿está bien comparar dos modelos construidos lmerutilizando razones de probabilidad …

20 r  mixed-model  lme4-nlme  likelihood-ratio 

Dos enfoques comunes para seleccionar variables correlacionadas son las pruebas de significación y la validación cruzada. ¿Qué problema intenta resolver cada uno y cuándo preferiría uno sobre el otro?

20 cross-validation  feature-selection 

Siempre he pensado en la regresión logística como simplemente un caso especial de regresión binomial donde la función de enlace es la función logística (en lugar de, por ejemplo, una función probit). Sin embargo, al leer las respuestas sobre otra pregunta que tenía, parece que podría estar confundido, y hay …

20 regression  logistic  binomial 

¿Alguien podría aconsejar si lo siguiente tiene sentido: Estoy tratando con un modelo lineal ordinario con 4 predictores. Estoy en dos mentes si abandonar el término menos significativo. Su valor ppp es un poco más de 0.05. He argumentado a favor de dejarlo caer en estas líneas: multiplicar la estimación …

20 regression  model-selection 

A veces usamos la gráfica de densidad espectral para analizar la periodicidad en series de tiempo. Normalmente analizamos la trama mediante inspección visual y luego tratamos de llegar a una conclusión sobre la periodicidad. ¿Pero los estadísticos han desarrollado alguna prueba para verificar si los picos en la trama son …

20 r  time-series  hypothesis-testing 

migrado de math.stackexchange . Estoy procesando un largo flujo de enteros y estoy considerando rastrear algunos momentos para poder calcular aproximadamente varios percentiles para el flujo sin almacenar muchos datos. ¿Cuál es la forma más sencilla de calcular percentiles desde unos momentos? ¿Existe un mejor enfoque que implique solo almacenar …

20 algorithms  mathematical-statistics  moments 

He ejecutado una regresión lineal simple del logaritmo natural de 2 variables para determinar si se correlacionan. Mi salida es esta: R^2 = 0.0893 slope = 0.851 p < 0.001 Estoy confundido. Mirando el valor de R2R2R^2 , diría que las dos variables no están correlacionadas, ya que está muy …

20 regression  r-squared