Estadísticas y Big Data

Si tengo variables aleatorias que son Poisson distribuidas con parámetros , ¿cuál es la distribución de (es decir, el piso entero del promedio)?X1, X2, ... , XnorteX1,X2,…,XnX_1,X_2,\ldots,X_nλ1, λ2, ... , λnorteλ1,λ2,…,λn\lambda_1, \lambda_2,\ldots, \lambda_nY= ⌊ ∑nortei = 1Xyonorte⌋Y=⌊∑i=1nXin⌋Y=\left\lfloor\frac{\sum_{i=1}^n X_i}{n}\right\rfloor Una suma de Poissons también es Poisson, pero no tengo suficiente confianza …

20 poisson-distribution  average 

Ok, tengo una regresión logística y he usado la predict()función para desarrollar una curva de probabilidad basada en mis estimaciones. ## LOGIT MODEL: library(car) mod1 = glm(factor(won) ~ as.numeric(bid), data=mydat, family=binomial(link="logit")) ## PROBABILITY CURVE: all.x <- expand.grid(won=unique(won), bid=unique(bid)) y.hat.new <- predict(mod1, newdata=all.x, type="response") plot(bid<-000:1000,predict(mod1,newdata=data.frame(bid<-c(000:1000)),type="response"), lwd=5, col="blue", type="l") Esto es genial, …

20 r  logistic  confidence-interval 

La qqnorm()función R produce un diagrama QQ normal y qqline()agrega una línea que pasa a través del primer y tercer cuartiles. ¿Cuál es el origen de esta línea? ¿Es útil verificar la normalidad? Esta no es la línea clásica (la diagonal posiblemente después de una escala lineal).y= xy=Xy=x Aquí hay …

20 r  normal-distribution  qq-plot 

Sabemos que una prueba t emparejada es solo un caso especial de ANOVA de medidas repetidas unidireccionales (o dentro del sujeto), así como el modelo lineal de efectos mixtos, que se puede demostrar con la función lme () del paquete nlme en R Como se muestra abajo. #response data from …

20 r  mixed-model  t-test  repeated-measures  lme4-nlme 

Más recientemente, leí dos artículos. El primero trata sobre el historial de la correlación y el segundo trata sobre el nuevo método llamado Coeficiente de información máximo (MIC). Necesito su ayuda para comprender el método MIC para estimar correlaciones no lineales entre variables. Además, las instrucciones para su uso en …

20 correlation  nonparametric  bioinformatics  information-theory  mutual-information 

Recientemente analicé un experimento que manipuló 2 variables categóricas y una variable continua usando ANCOVA. Sin embargo, un revisor sugirió que la regresión múltiple con la variable categórica codificada como variables ficticias es una prueba más apropiada para experimentos con variables categóricas y continuas. ¿Cuándo es apropiado usar ANCOVA versus …

20 regression  multiple-regression  ancova  categorical-encoding 

Supongamos que quiero construir un modelo para predecir algún tipo de razón o porcentaje. Por ejemplo, digamos que quiero predecir el número de niños frente a niñas que asistirán a una fiesta, y las características de la fiesta que puedo usar en el modelo son cosas como la cantidad de …

20 regression  logistic 

¿Estoy en lo cierto al entender que el orden en que se especifican las variables en un ANOVA multifactorial hace la diferencia, pero que el orden no importa al hacer una regresión lineal múltiple? Asumiendo un resultado como la pérdida de sangre medida y y dos variables categóricas método de …

20 regression  hypothesis-testing  anova  unbalanced-classes  sums-of-squares 

En una serie de paquetes estadísticos que incluyen SAS, SPSS y quizás más, existe una opción para "suprimir la intercepción". ¿Por qué querrías hacer eso?

20 regression 

En estudios de asociación de genoma completo (GWAS): ¿Cuáles son los componentes principales? ¿Por qué se usan? ¿Cómo se calculan? ¿Se puede realizar un estudio de asociación de todo el genoma sin usar PCA?

20 pca  genetics  gwas 

Estoy confundido acerca de cómo decidir si tratar el tiempo como continuo o discreto en el análisis de supervivencia. Específicamente, quiero usar el análisis de supervivencia para identificar las variables a nivel del hogar y del niño que tienen la mayor discrepancia en su impacto en la supervivencia de los …

20 survival  ties 

Es habitual usar el segundo, tercer y cuarto momentos de una distribución para describir ciertas propiedades. ¿Los momentos parciales o los momentos superiores al cuarto describen propiedades útiles de una distribución?

20 distributions  moments  partial-moments 

Estoy trabajando en la creación de un sitio web, que muestre los datos del censo para los Polígonos seleccionados por un usuario y me gustaría mostrar gráficamente la distribución de varios parámetros (un gráfico por parámetro). Los datos generalmente tienen las siguientes propiedades: El tamaño de la muestra tiende a …

20 distributions  data-visualization  boxplot 

Angrist y Pischke han sugerido que los errores estándar robustos (es decir, robustos a la heterocedasticidad o las variaciones desiguales) se informan como una cuestión de rutina en lugar de probarlos. Dos preguntas: ¿Cuál es el impacto en los errores estándar de hacerlo cuando hay homocedasticidad? ¿Alguien realmente hace esto …

20 regression  standard-error  heteroscedasticity  robust-standard-error 

Después de que un modelo ARMA se ajusta a una serie temporal, es común verificar los residuos a través de la prueba Ljung-Box portmanteau (entre otras pruebas). La prueba de Ljung-Box devuelve un valor p. Tiene un parámetro, h , que es el número de retrasos que se probarán. Algunos …

20 time-series