Estadísticas y Big Data

Si en el núcleo PCA elijo un núcleo lineal K(x,y)=x⊤yK(x,y)=x⊤yK(\mathbf{x},\mathbf{y}) = \mathbf x^\top \mathbf y , ¿el resultado será diferente del PCA lineal ordinario ? ¿Son las soluciones fundamentalmente diferentes o existe alguna relación bien definida?

17 pca  kernel-trick 

Supongamos que tenemos una función que solo podemos observar a través de algo de ruido. No podemos calcular directamente, solo donde es un ruido aleatorio. (En la práctica: calculo usando algún método de Monte Carlo).f(x)f(x)f(x)f(x)f(x)f(x)f(x)+ηf(x)+ηf(x) + \etaηη\etaf(x)f(x)f(x) ¿Qué métodos están disponibles para encontrar raíces de , es decir, calcular para …

17 approximation 

No me refiero a un valor cercano a cero (redondeado a cero por algún software estadístico) sino a un valor literalmente cero. Si es así, ¿significaría que la probabilidad de obtener los datos obtenidos suponiendo que la hipótesis nula es verdadera también es cero? ¿Cuáles son (algunos ejemplos) de pruebas …

17 hypothesis-testing  statistical-significance  p-value 

Ejecuté esta regresión logística ordinal en R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) Tengo este resumen del modelo: summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error t value 1|2 -6.4706 …

17 r  regression  logistic  interpretation  ordered-logit 

Soy un estudiante que está tomando mi primer curso de Estadística ahora. Estoy confundido por el término "estadística de prueba". A continuación (vi esto en algunos libros de texto), parece ser un valor específico calculado a partir de una muestra específica. t = ¯ x - μ 0tttt = x¯¯¯- …

17 hypothesis-testing  t-test  random-variable  definition 

Estoy tratando de identificar el mejor modelo para predecir los precios de los automóviles, utilizando los precios y las funciones disponibles en los sitios de anuncios clasificados de automóviles. Para esto utilicé un par de modelos de la biblioteca scikit-learn y modelos de redes neuronales de pybrain y neurolab. El …

17 machine-learning  neural-networks  random-forest  r-squared  elastic-net 

Tengo dos efectos principales, V1 y V2. Los efectos de V1 y V2 en las variables de respuesta son negativos. Sin embargo, por alguna razón obtengo un coeficiente positivo para el término de interacción V1 * V2. ¿Cómo puedo interpretar esto? ¿Es posible tal situación?

17 regression  interaction 

Estoy tratando de descubrir cómo calcular el índice Rand de un algoritmo de clúster, pero no sé cómo calcular los negativos verdaderos y falsos. En este momento estoy usando el ejemplo del libro Introducción a la recuperación de información (Manning, Raghavan y Schütze, 2009). En la página 359 hablan sobre …

17 clustering 

Tengo dos distribuciones donde solo se conocen el resumen de 5 números (mínimo, primer cuartil, mediana, tercer cuartil, máximo) y el tamaño de la muestra. De acuerdo con la pregunta aquí , no todos los puntos de datos están disponibles. ¿Existe alguna prueba estadística no paramétrica que me permita verificar …

17 distributions  nonparametric 

Contexto Esta pregunta usa R, pero trata sobre cuestiones estadísticas generales. Estoy analizando los efectos de los factores de mortalidad (% de mortalidad por enfermedad y parasitismo) en la tasa de crecimiento de la población de polillas a lo largo del tiempo, donde se tomaron muestras de las poblaciones de …

17 model-selection  autocorrelation  residuals  panel-data  spatio-temporal 

No entiendo la explicación en Rel archivo de ayuda de efectos () : Para un modelo lineal ajustado por lmo aov, los efectos son los valores no correlacionados de un solo grado de libertad obtenidos al proyectar los datos en los sucesivos subespacios ortogonales generados por la descomposición QR durante …

17 r  regression 

Tengo una variable independiente llamada "calidad"; Esta variable tiene 3 modalidades de respuesta (mala calidad; calidad media; alta calidad). Quiero introducir esta variable independiente en mi regresión lineal múltiple. Cuando tengo una variable independiente binaria (variable ficticia, puedo codificar 0/ 1) es fácil introducirla en un modelo de regresión lineal …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

El artículo de Wikipedia sobre análisis de componentes principales establece que Existen algoritmos eficientes para calcular la SVD de sin tener que formar la matriz , por lo que calcular la SVD es ahora la forma estándar de calcular un análisis de componentes principales a partir de una matriz de …

17 pca  algorithms  svd  numerics 

Actualmente trato de entender el Principio de Probabilidad y francamente no lo entiendo en absoluto. Por lo tanto, escribiré todas mis preguntas como una lista, incluso si esas podrían ser preguntas bastante básicas. ¿Qué significa exactamente la frase "toda la información" en el contexto de este principio? (como en toda …

17 bayesian  likelihood  likelihood-principle 

Tengo el siguiente histograma de datos de conteo. Y me gustaría ajustarle una distribución discreta. No estoy seguro de cómo debo hacer esto. ¿Debería superponer primero una distribución discreta, digamos Distribución binomial negativa, en el histograma para obtener los parámetros de la distribución discreta y luego ejecutar una prueba de …

17 r  poisson-distribution  discrete-data  computational-statistics  negative-binomial