Estadísticas y Big Data

Esta es la secuela constructivista de esta pregunta . Si no podemos tener una variable aleatoria uniforme discreta que tenga como soporte todos los racionales en el intervalo [0,1][0,1][0,1] , la siguiente mejor opción es: Construya una variable aleatoria QQQ que tenga este soporte, Q∈Q∩[0,1]Q∈Q∩[0,1]Q\in \mathbb{Q}\cap[0,1] , y que siga …

19 distributions  mathematical-statistics 

Cómo decidir la asimetría observando un diagrama de caja construido a partir de estos datos: 340, 300, 520, 340, 320, 290, 260, 330 Un libro dice: "Si el cuartil inferior está más alejado de la mediana que el cuartil superior, entonces la distribución está sesgada negativamente". Varias otras fuentes dijeron …

19 outliers  skewness  boxplot 

Me gustaría saber si tiene sentido lógico realizar el análisis de componentes principales (PCA) y el análisis factorial exploratorio (EFA) en el mismo conjunto de datos. He escuchado a profesionales recomendar expresamente: Comprenda cuál es el objetivo del análisis y elija PCA o EFA para el análisis de datos; Habiendo …

19 pca  factor-analysis 

Estoy haciendo un master en estadística y me recomiendan aprender geometría diferencial. Sería más feliz escuchar sobre aplicaciones estadísticas para geometría diferencial, ya que esto me motivaría. ¿Alguien conoce aplicaciones de geometría diferencial en estadística?

19 mathematical-statistics  information-geometry 

Soy un epidemiólogo que intenta comprender los GEE para analizar adecuadamente un estudio de cohorte (usando la regresión de Poisson con un enlace de registro, para estimar el riesgo relativo). Tengo algunas preguntas sobre la "correlación de trabajo" que me gustaría que alguien más conocedor aclare: (1) Si tengo mediciones …

19 gee 

Esta no es una pregunta estrictamente estadística: puedo leer todos los libros de texto sobre los supuestos de ANOVA. Estoy tratando de descubrir cómo los analistas de trabajo reales manejan los datos que no cumplen con los supuestos. Revisé muchas preguntas en este sitio buscando respuestas y sigo encontrando publicaciones …

19 anova  heteroscedasticity  assumptions 

Hemos realizado una prueba dividida de una nueva característica del producto y queremos medir si la mejora en los ingresos es significativa. Nuestras observaciones definitivamente no se distribuyen normalmente (la mayoría de nuestros usuarios no gastan, y dentro de las que sí lo hacen, está muy sesgada hacia muchos pequeños …

19 bootstrap  outliers 

Digamos que estoy calculando algunos parámetros del modelo, minimizando la suma de los residuos al cuadrado, y supongo que mis errores son gaussianos. Mi modelo produce derivados analíticos, por lo que el optimizador no necesita usar diferencias finitas. Una vez que se completa el ajuste, quiero calcular los errores estándar …

19 standard-error  fitting 

Estoy interesado en utilizar caret para hacer inferencias en un conjunto de datos en particular. ¿Es posible hacer lo siguiente? producir coeficientes de un modelo glmnet que entrené en caret. Me gustaría usar glmnet debido a la selección de funciones inherentes, ya que no creo que glm lo tenga. Aparte …

19 caret  glmnet 

Estoy experimentando con bosques aleatorios con scikit-learn y obtengo excelentes resultados de mi conjunto de entrenamiento, pero resultados relativamente pobres en mi conjunto de pruebas ... Aquí está el problema (inspirado en el póker) que estoy tratando de resolver: Dadas las cartas de mano del jugador A, las cartas de …

19 classification  random-forest  scikit-learn 

Recuerdo haber leído en algún lugar de la web una conexión entre la regresión de cresta (con regularización) y la regresión de PCA: mientras usaba regresión con hiperparámetro , si , entonces la regresión es equivalente a eliminar el Variable de PC con el valor propio más pequeño.ℓ 2 λ …

19 regression  pca  regularization  ridge-regression 

¿Cuál es la mejor forma gráfica de visualizar una función de densidad tridimensional? Como en me gustaría visualizar ?z= fX, Y( x , y)z=FX,Y(X,y)z=f_{X,Y}(x,y) No es necesario, pero el Rcódigo para esto sería genial.

19 r  data-visualization  methodology 

¿Cómo obtengo valores p usando la multinomfunción de nnetpaquete R? Tengo un conjunto de datos que consta de "puntuaciones de patología" (ausente, leve, grave) como variable de resultado, y dos efectos principales: edad (dos factores: veinte / treinta días) y grupo de tratamiento (cuatro factores: infectado sin ATB; infectado + …

19 r  regression  p-value  multinomial 

Tengo problemas para interpretar los valores z de las variables categóricas en la regresión logística. En el siguiente ejemplo, tengo una variable categórica con 3 clases y, de acuerdo con el valor z, CLASS2 podría ser relevante mientras que las demás no lo son. Pero ahora, ¿qué significa esto? ¿Que …

19 r  logistic  categorical-data  feature-selection  categorical-encoding 

He estado investigando la versión bayesiana de las estadísticas clásicas últimamente. Después de leer sobre el factor Bayes, me he preguntado si el análisis de potencia es una necesidad en esta visión de las estadísticas. Mi razón principal para preguntarme esto es que el factor Bayes realmente parece ser una …

19 bayesian  power-analysis