Estadísticas y Big Data

Antecedentes Tengo una variable con una distribución desconocida. Tengo 500 muestras, pero me gustaría demostrar la precisión con la que puedo calcular la varianza, por ejemplo, argumentar que un tamaño de muestra de 500 es suficiente. También estoy interesado en conocer el tamaño mínimo de muestra que se requeriría para …

17 estimation  random-variable  variance  sampling  sample-size 

Tengo un algoritmo de agrupación (no k-significa) con el parámetro de entrada (número de agrupaciones). Después de realizar la agrupación, me gustaría obtener una medida cuantitativa de la calidad de esta agrupación. El algoritmo de agrupamiento tiene una propiedad importante. Para si ingreso puntos de datos sin ninguna distinción significativa …

17 clustering 

Estoy buscando un buen tutorial sobre la agrupación de datos al Rusar el proceso de dirichlet jerárquico (HDP) (uno de los métodos bayesianos no paramétricos recientes y populares). Hay DPpackage(en mi humilde opinión, el más completo de todos los disponibles) en Rel análisis bayesiano no paramétrico. Pero no puedo entender …

17 r  bayesian  clustering  nonparametric 

En una pregunta anterior, pregunté sobre herramientas para editar archivos CSV . Gavin se vinculó a un comentario sobre la Ayuda R de Duncan Murdoch que sugiere que el Formato de intercambio de datos es una forma más confiable de almacenar datos que CSV. Para algunas aplicaciones, se necesita un …

17 project-management 

Para calibrar un nivel de confianza a una probabilidad en el aprendizaje supervisado (por ejemplo, para mapear la confianza de un SVM o un árbol de decisión usando datos sobremuestreados), un método es usar la Escala de Platt (por ejemplo, Obteniendo Probabilidades Calibradas de Impulso ). Básicamente se usa la …

17 logistic  cross-validation  calibration 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. En R, tengo un marco de datos que comprende una etiqueta de clase C (un factor) y dos mediciones, M1 y M2 …

17 r  correlation 

Tengo datos de pacientes tratados con 2 tipos diferentes de tratamientos durante la cirugía. Necesito analizar su efecto sobre la frecuencia cardíaca. La medición del ritmo cardíaco se toma cada 15 minutos. Dado que la duración de la cirugía puede ser diferente para cada paciente, cada paciente puede tener entre …

17 r  mixed-model  repeated-measures  lme4-nlme 

He leído este hilo , y me parece que se puede decir que: estadística = inducción? probabilidad = deducción? Pero me pregunto si podría haber más detalles sobre la comparación que me estoy perdiendo. Por ejemplo, ¿las estadísticas son iguales a la inducción, o es solo un caso particular? Parece …

17 probability  theory 

Se me ocurrió que, aunque he reunido algunas ideas a lo largo de los años sobre las diferencias entre estadísticas y bioestadística, nunca he escuchado una explicación formal. ¿Cuál es la distinción entre estas dos disciplinas (actualmente)? ¿Y por qué comenzó esta distinción en primer lugar? EDITAR: No he sido …

17 terminology  biostatistics 

Esta pregunta es provocada por la discusión en otra parte . Los núcleos variables a menudo se usan en regresión local. Por ejemplo, loess se usa ampliamente y funciona bien como una regresión más suave, y se basa en un núcleo de ancho variable que se adapta a la escasez …

17 nonparametric  smoothing  kernel-smoothing  loess 

Supongamos que uno tiene dos muestras independientes de la misma población, y se usaron diferentes métodos en las dos muestras para derivar la estimación puntual y los intervalos de confianza. En casos triviales, una persona sensata simplemente combinaría las dos muestras y usaría un método para hacer el análisis, pero …

17 confidence-interval  meta-analysis 

Estoy tratando de probar la nula , contra la alternativa local , para una variable aleatoria , sujeta a sesgo leve y medio y curtosis de la variable aleatoria. Siguiendo las sugerencias de Wilcox en 'Introducción a la estimación robusta y las pruebas de hipótesis', he examinado las pruebas basadas …

17 hypothesis-testing  t-test  finance  robust 

Entre Matlab y Python, ¿qué lenguaje es bueno para el análisis de datos estadísticos generales? ¿Cuáles son los pros y los contras, aparte de la accesibilidad, para cada uno?

17 matlab  python 

Solía ​​analizar elementos desde un punto de vista psicométrico. Pero ahora estoy tratando de analizar otro tipo de preguntas sobre motivación y otros temas. Estas preguntas están todas en escalas Likert. Mi pensamiento inicial fue utilizar el análisis factorial, porque las preguntas tienen la hipótesis de reflejar algunas dimensiones subyacentes. …

17 factor-analysis  scales  psychometrics  likert  psychology 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. Compré este libro: Cómo medir cualquier cosa: encontrar el valor de los intangibles en los negocios y Head First Data Analysis: A …

17 machine-learning  bayesian  references