Estadísticas y Big Data

Explique brevemente ¿Qué se entiende por interpolación? ¿Cómo se relaciona con el concepto de regresión? La interpolación es el arte de leer entre las líneas de una tabla y, en matemática elemental, el término generalmente denota el proceso de calcular los valores intermedios de una función a partir de un …

17 regression  self-study  interpolation 

Estoy haciendo una regresión lineal con una variable dependiente transformada. La siguiente transformación se realizó para que se mantuviera el supuesto de normalidad de los residuos. La variable dependiente no transformada estaba sesgada negativamente, y la siguiente transformación la hizo casi normal: Y=50−Yorig−−−−−−−−√Y=50−YorigY=\sqrt{50-Y_{orig}} donde es la variable dependiente en la …

17 regression  data-transformation 

Me pregunto por qué usamos la suposición gaussiana al modelar el error. En el curso de ML de Stanford , el Prof. Ng lo describe básicamente de dos maneras: Es matemáticamente conveniente. (Está relacionado con el ajuste de mínimos cuadrados y es fácil de resolver con pseudoinverso) Debido al Teorema …

17 regression  normality-assumption  pac-learning 

Estoy realizando un experimento que tiene lo siguiente: DV: consumo de sector (continuo o podría ser categórico) IV: Mensaje saludable, mensaje insalubre, sin mensaje (control) (3 grupos en los que las personas se asignan aleatoriamente - categórica) Este es un mensaje manipulado sobre la salubridad de la porción. Los siguientes …

17 anova  multiple-regression  continuous-data  ancova 

Pregunta simple: ¿Cómo especificar una distribución lognormal en el argumento de la familia GLM en R? No pude encontrar cómo se puede lograr esto. ¿Por qué lognormal (o exponencial) no es una opción en el argumento familiar? En algún lugar de los R-Archives leí que uno simplemente tiene que usar …

17 r  distributions  generalized-linear-model  lognormal 

Me confundo con las notaciones adecuadas de los significados, así como con los significados de algunas notaciones relacionadas con variables aleatorias y sus distribuciones. A continuación, enumeraré cosas que creo que son ciertas, así como cosas que no entiendo, y me encantaría recibir aportes / correcciones. He etiquetado cada punto …

17 probability  random-variable 

nota: sin respuestas correctas después de un mes, he vuelto a publicar en SO Antecedentes Tengo un modelo, , donde Y = f ( X )FFfY= f( X )Y=F(X)Y=f(\textbf{X}) es unamatriz de muestras n × m de m parámetros e Y es la n × 1XX\textbf{X}n×mn×mn \times mmmmYYYn×1n×1n \times 1 …

17 r  multivariate-analysis  splines  interpolation  gaussian-process 

Estaba tratando de calcular el percentil 95 en el siguiente conjunto de datos. Encontré algunas referencias en línea de hacerlo. Enfoque 1: basado en datos de muestra El primero me dice que obtenga el TOP 95 Percentconjunto de datos y luego elija el MINo AVGdel conjunto resultante. Hacerlo para el …

17 r  dataset  quantiles  sql 

Estoy explorando diferentes métodos de clasificación para un proyecto en el que estoy trabajando y estoy interesado en probar Random Forests. Estoy tratando de educarme a medida que avanzo, y agradecería cualquier ayuda brindada por la comunidad de CV. He dividido mis datos en conjuntos de entrenamiento / prueba. De …

17 r  machine-learning  random-forest 

Sé que la correlación no implica causalidad, sino la fuerza y ​​dirección de la relación. ¿La regresión lineal simple implica causalidad? ¿O se requiere una prueba estadística inferencial (prueba t, etc.) para eso?

17 regression  correlation  causality 

Soy un estudiante de medicina que intenta comprender las estadísticas (¡), así que por favor, sé gentil! ;) Estoy escribiendo un ensayo que contiene una buena cantidad de análisis estadístico que incluye análisis de supervivencia (regresión de Kaplan-Meier, Log-Rank y Cox). Realicé una regresión de Cox en mis datos tratando …

17 regression  survival  hazard 

Tengo algunos datos de frecuencia acumulativa. Parece que una línea se ajusta muy bien a los datos, pero hay un movimiento cíclico / periódico en la línea. Me gustaría estimar cuándo la frecuencia acumulada alcanzará un cierto valor c . Cuando trazo los residuos frente a los valores ajustados, obtengo …

17 time-series  regression 

Una forma de resumir la comparación de dos curvas de supervivencia es calcular la razón de riesgo (FC). Hay (al menos) dos métodos para calcular este valor. Método logrank. Como parte de los cálculos de Kaplan-Meier, calcule el número de eventos observados (muertes, generalmente) en cada grupo ( y O …

17 survival  hazard 

Estoy tratando de averiguar cómo realizar algunas pruebas de hipótesis en una regresión lineal (la hipótesis nula no tiene correlación). Cada guía y página sobre el tema con el que me encuentro parece estar usando una prueba t. Pero no entiendo qué significa realmente la prueba t para regresión lineal. …

17 regression  t-test 

Tengo un conjunto de 150 características, y muchas de ellas están altamente correlacionadas entre sí. Mi objetivo es predecir el valor de una variable discreta, cuyo rango es 1-8 . Mi tamaño de muestra es 550 , y estoy usando una validación cruzada 10 veces . AFAIK, entre los métodos …

17 regression  lasso  regularization  ridge-regression  elastic-net