Estadísticas y Big Data

En la definición de conjuntos típicos conjuntos (en "Elementos de la teoría de la información", cap. 7.6, p. 195), utilizamos como laentropía empíricade unasecuencianconp(xn)=∏ n i = 1 p(xi). Nunca me encontré con esta terminología antes. No se define explícitamente en ninguna parte según el índice del libro.−1nlogp(xn)−1nlog⁡p(xn)-\frac{1}{n} \log{p(x^n)}nnnp(xn)=∏ni=1p(xi)p(xn)=∏i=1np(xi)p(x^n) = …

19 information-theory  entropy 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado el año pasado . ¿Es posible eliminar niveles que no se usan en las facetas de ggplot2s? Este es mi …

19 r  data-visualization  ggplot2 

En respuesta a esta pregunta, con respecto a si mi diseño en el que presentaba al azar a los participantes con imágenes de diferentes categorías era un ejemplo en el que debería usar un ANOVA de medidas repetidas, obtuve la respuesta de que debería usar un modelo mixto en su …

19 anova  mixed-model  repeated-measures 

Soy estudiante de secundaria y estoy trabajando en un proyecto de programación de computadoras, pero no tengo mucha experiencia en estadísticas y datos de modelado más allá de un curso de estadística de secundaria, así que estoy un poco confundido. Básicamente, tengo una lista razonablemente grande (supongo que es lo …

19 probability  modeling  data-mining  predictive-models 

Estoy construyendo un modelo predictivo que pronostica la probabilidad de éxito de un estudiante al final de un período. Me interesa específicamente si el estudiante tiene éxito o no, donde el éxito generalmente se define como completar el curso y lograr el 70% o más puntos del total de puntos …

19 time-series  machine-learning  logistic 

Edición final con todos los recursos actualizados: Para un proyecto, estoy aplicando algoritmos de aprendizaje automático para la clasificación. Reto: datos etiquetados bastante limitados y muchos más datos sin etiquetar. Metas: Aplicar clasificación semi-supervisada Aplicar un proceso de etiquetado semi-supervisado de alguna manera (conocido como aprendizaje activo) He encontrado mucha …

19 machine-learning  classification  software  svm  text-mining 

Tengo 82 encuestados en 2 grupos (43 en el Grupo A y 39 en el Grupo B) que completaron una encuesta de 65 preguntas Likert, cada una con un rango de 1 a 5 (totalmente de acuerdo - totalmente en desacuerdo). Por lo tanto, tengo un marco de datos con …

19 r  data-visualization  spss  likert 

Considere el siguiente experimento: un grupo de personas recibe una lista de ciudades y se les pide que marquen las ubicaciones correspondientes en un mapa del mundo (sin etiqueta). Para cada ciudad, obtendrá una dispersión de puntos centrados aproximadamente en la ciudad respectiva. Algunas ciudades, por ejemplo, Estambul, exhibirán menos …

19 standard-deviation  spatial 

... y por qué ? Suponiendo que , son variables aleatorias independientes con media y varianza respectivamente. Mi libro de estadísticas básicas me dice que la distribución de tiene las siguientes propiedades:X 2 μ 1 , μ 2 σ 2 1 , σ 2 2 X 1 - X 2X1X1X_1X2X2X_2μ1,μ2μ1,μ2\mu_1,\mu_2σ21,σ22σ12,σ22\sigma^2_1,\sigma^2_2X1−X2X1−X2X_1-X_2 …

19 distributions  degrees-of-freedom  t-distribution 

Imagina que repites un experimento tres veces. En cada experimento, recolectas medidas por triplicado. Los triplicados tienden a estar bastante juntos, en comparación con las diferencias entre los tres medios experimentales. Calcular el gran significado es bastante fácil. Pero, ¿cómo se puede calcular un intervalo de confianza para la gran …

19 confidence-interval  multilevel-analysis 

Esta un ejercicio determinado en Teoría de la Probabilidad: La lógica de la ciencia por Edwin Jaynes, 2003. Hay una solución parcial aquí . He ideado una solución parcial más general y me preguntaba si alguien más la ha resuelto. Esperaré un poco antes de publicar mi respuesta, para darle …

19 independence  likelihood-ratio  hypothesis-testing  multiple-comparisons 

Nassim Taleb, de la fama (o infamia) de Black Swan , ha elaborado el concepto y ha desarrollado lo que él llama "un mapa de los límites de las estadísticas" . Su argumento básico es que hay un tipo de problema de decisión en el que el uso de cualquier …

19 distributions  modeling  random-variable 

Tengo un vector de valores que me gustaría informar el promedio en ventanas a lo largo de una diapositiva más pequeña. Por ejemplo, para un vector de los siguientes valores: 4, 5, 7, 3, 9, 8 Un tamaño de ventana de 3 y una diapositiva de 2 harían lo siguiente: …

19 r 

Para un análisis del tamaño del efecto, me doy cuenta de que hay diferencias entre la d de Cohen, la g de Hedges y la g * de Hedges. ¿Son estas tres métricas normalmente muy similares? ¿Cuál sería un caso en el que producirían resultados diferentes? ¿También es una cuestión …

19 effect-size  cohens-d 

Entiendo la estructura básica del autoencoder variacional y el autoencoder normal (determinista) y las matemáticas detrás de ellos, pero ¿cuándo y por qué preferiría un tipo de autoencoder al otro? Todo lo que puedo pensar es que la distribución previa de variables latentes del autoencoder variacional nos permite muestrear las …

19 deep-learning  autoencoders  variational-bayes