Estadísticas y Big Data

Estamos trabajando con algunas regresiones logísticas y nos hemos dado cuenta de que la probabilidad estimada promedio siempre es igual a la proporción de unos en la muestra; es decir, el promedio de los valores ajustados es igual al promedio de la muestra. ¿Alguien puede explicarme la razón o darme …

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

¿Cuál es la forma correcta de escribir un resultado post-hoc de Tukey? ¿Hay varios ejemplos con resultados diferentes? Digamos que tiene Norte, Sur, Este y Oeste. North N=50 Mean=2.45 SD=3.9 std error=.577 LB=1.29 UB=3.62 South N=40 Mean=2.54 SD=3.8 std error=.576 LB=1.29 UB=3.63 East N=55 Mean=3.45 SD=3.7 std error=.575 LB=1.29 UB=3.64 …

17 post-hoc  tukey-hsd 

Supongamos que tenemos variables medibles, , hacemos un número de mediciones y luego deseamos realizar una descomposición de valores singulares en los resultados para encontrar los ejes de mayor varianza para los puntos en el espacio -dimensional. ( Nota: suponga que las medias de ya se han restado, por lo …

17 pca  data-transformation  normalization  dimensionality-reduction  svd 

Tengo 5 variables y estoy tratando de predecir mi variable objetivo que debe estar dentro del rango de 0 a 70. ¿Cómo uso esta información para modelar mejor mi objetivo?

17 regression  bounds 

Tengo un modelo ajustado (de la literatura). También tengo los datos en bruto para las variables predictivas. ¿Cuál es la ecuación que debería usar para obtener probabilidades? Básicamente, ¿cómo combino datos brutos y coeficientes para obtener probabilidades?

17 regression  logistic 

Estoy buscando construir un modelo predictivo para predecir el abandono y buscar usar un modelo de supervivencia de tiempo discreto ajustado a un conjunto de datos de entrenamiento de período de persona (una fila para cada cliente y período discreto en que estuvieron en riesgo, con un indicador de evento …

17 survival  predictive-models  churn 

Estoy tratando de entender la lógica detrás de la prueba ANOVA F en el análisis de regresión lineal simple. La pregunta que tengo es la siguiente. Cuando el valor F, MSR/MSEes decir, es grande, aceptamos el modelo como significativo. ¿Cuál es la lógica detrás de esto?

17 regression  anova 

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 hace 2 años . Estoy usando Sweave y xtable para generar un informe. Me gustaría agregar un poco de color …

17 r  reproducible-research 

Se produce un aumento en el número de casos y muertes durante las epidemias (aumento repentino en el número) debido a la circulación de virus (como el Virus del Nilo Occidental en EE. UU. En 2002) o la disminución de la resistencia de las personas o la contaminación de alimentos …

17 time-series  forecasting  epidemiology  outliers 

He realizado un análisis de componentes principales de seis variables AAA , BBB , CCC , DDD , EEE y FFF . Si entiendo correctamente, PC1 sin rotar me dice qué combinación lineal de estas variables describe / explica la mayor variación en los datos y PC2 me dice qué …

17 variance  pca  r-squared  covariance-matrix 

Mientras me preparaba para una charla que daré pronto, recientemente comencé a buscar dos herramientas principales (gratuitas) para la visualización interactiva de datos: GGobi y mondrian , ambas ofrecen una gran variedad de capacidades (incluso si están un poco defectuosas). Deseo pedir su ayuda para articular (tanto para mí como …

17 data-visualization  data-mining  interactive-visualization 

¿Alguien ha escrito una breve encuesta sobre los diversos enfoques de las estadísticas? Para una primera aproximación, tiene estadísticas frecuentistas y bayesianas. Pero cuando miras más de cerca, también tienes otros enfoques como Bayes probabilista y empírico. Y luego tienes subdivisiones dentro de grupos como Bayes subjetivos objetivos Bayes dentro …

17 bayesian  frequentist  philosophical 

Estoy enseñando una clase de introducción de estadísticas y estaba revisando los tipos de muestreo, incluido el muestreo sistemático donde muestras cada kth individual u objeto. Un estudiante preguntó si muestrear a cada persona con una característica particular lograría lo mismo. Por ejemplo, ¿el muestreo de cada persona con una …

17 sampling 

Espero poder hacer esta pregunta de la manera correcta. Tengo acceso a los datos de juego por juego, por lo que es más un problema con el mejor enfoque y la construcción de los datos correctamente. Lo que estoy buscando hacer es calcular la probabilidad de ganar un juego de …

17 time-series  probability  logistic 

Recientemente leí el consejo de que, en general, debe usar la mediana, no significa eliminar los valores atípicos. Ejemplo: El siguiente artículo http://www.amazon.com/Forensic-Science-Introduction-Scientific-Investigative/product-reviews/1420064932/ tiene 16 opiniones en este momento: review= c(5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 4, 4, 3, 2, 1, 1) summary(review) ## "ordinary" summary …

17 mean  median  average