Estadísticas y Big Data

Si desea probar si dos variables siguen la misma distribución, ¿sería una buena prueba simplemente ordenar ambas variables y luego verificar su correlación? Si es alta (al menos 0.9?), Entonces las variables probablemente provengan de la misma distribución. Con distribución aquí quiero decir "normal", "chi-cuadrado", "gamma", etc.

16 hypothesis-testing  distributions 

¿Alguien puede explicarme de manera intuitiva cuál es la periodicidad de una cadena de Markov? Se define de la siguiente manera: Para todos los estados iii en SSS didid_i = mcd{n∈N|p(n)ii>0}=1{n∈N|pii(n)>0}=1\{n \in \mathbb{N} | p_{ii}^{(n)} > 0\} =1 ¡Gracias por tu esfuerzo!

16 stochastic-processes  markov-process 

Una pregunta para principiantes sobre el residuo de Pearson en el contexto de la prueba de chi-cuadrado para la bondad de ajuste: Además de la estadística de prueba, la chisq.testfunción de R informa el residuo de Pearson: (obs - exp) / sqrt(exp) Entiendo por qué mirar la diferencia en bruto …

16 chi-squared  goodness-of-fit  residuals 

No estoy seguro si normalizar es la palabra correcta para usar aquí, pero haré todo lo posible para ilustrar lo que estoy tratando de preguntar. El estimador utilizado aquí es de mínimos cuadrados. Supongamos que tiene , puede centrarlo alrededor de la media por donde y x_1' = x- \ …

16 regression  self-study  least-squares  regression-coefficients 

El límite superior Fréchet – Hoeffding se aplica a la función de distribución de cópula y está dado por C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. ¿Existe un límite superior similar (en el sentido de que depende de las densidades marginales) para la densidad de la cópula lugar del CDF?c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) Cualquier referencia sería muy apreciada.

16 references  joint-distribution  bounds  copula 

Utilizando Rpara realizar la descomposición de STL, s.windowcontrola qué tan rápido puede cambiar el componente estacional. Los valores pequeños permiten un cambio más rápido. Establecer que la ventana estacional sea infinita es equivalente a forzar que el componente estacional sea periódico (es decir, idéntico a través de los años). Mis …

16 r  time-series  trend  seasonality 

Tengo una pregunta con respecto a la técnica de arranque adecuada para usar con datos donde hay una agrupación fuerte. Se me asignó la tarea de evaluar un modelo predictivo de efectos mixtos multivariados en los datos de reclamos de seguros al calificar el modelo de referencia actual en los …

16 bootstrap  random-effects-model  mixed-model 

¿Hay alguna información que hay sobre la distribución cuyos nnn º cumulante está dada por 1n1n\frac 1 n ? La función de generación acumulativa tiene la forma κ(t)=∫10etx−1x dx.κ(t)=∫01etx−1x dx. \kappa(t) = \int_0 ^ 1 \frac{e^{tx} - 1}{x} \ dx. Lo he encontrado como la distribución limitante de algunas variables …

16 distributions  mgf  cumulants 

Estoy tratando de demostrar que la matriz de información observada evaluada en el estimador de máxima verosimilitud débilmente consistente (MLE), es un estimador débilmente consistente de la matriz de información esperada. Este es un resultado ampliamente citado, pero nadie da una referencia o una prueba (creo que he agotado las …

16 maximum-likelihood  expected-value  asymptotics  information  fisher-information 

Tengo un conjunto de datos de prueba altamente desequilibrado. El conjunto positivo consta de 100 casos, mientras que el conjunto negativo consta de 1500 casos. En el lado del entrenamiento, tengo un grupo de candidatos más grande: el conjunto de entrenamiento positivo tiene 1200 casos y el conjunto de entrenamiento …

16 machine-learning  classification  data-mining  svm  bioinformatics 

En su artículo ampliamente citado Distribuciones previas para parámetros de varianza en modelos jerárquicos (916 citas hasta ahora en Google Scholar) Gelman propone que las distribuciones anteriores no informativas para la varianza en un modelo bayesiano jerárquico son la distribución uniforme y la distribución de media t. Si entiendo bien …

16 bayesian  variance  prior  jags  hierarchical-bayesian 

En la rutina rpart () para crear modelos CART, usted especifica el parámetro de complejidad al que desea podar su árbol. He visto dos recomendaciones diferentes para elegir el parámetro de complejidad: Elija el parámetro de complejidad asociado con el mínimo error posible de validación cruzada. Quick-R y HSAUR recomiendan …

16 r  cart  rpart 

Las reglas de detención afectan la relación entre los valores P y las tasas de error asociadas con las decisiones. Un artículo reciente de Simmons et al. 2011 acuña el término grados de libertad del investigador para describir una colección de comportamientos que consideran responsables de muchos de los informes …

16 references  type-i-and-ii-errors  optimal-stopping 

Muchas distribuciones tienen "mitos de origen", o ejemplos de procesos físicos que describen bien: Puede obtener datos distribuidos normalmente a partir de sumas de errores no correlacionados a través del Teorema del límite central Puede obtener datos distribuidos binomialmente de lanzamientos de monedas independientes o variables distribuidas por Poisson desde …

16 distributions  laplace-distribution 

Entonces, soy un novato en el campo de ML e intento hacer alguna clasificación. Mi objetivo es predecir el resultado de un evento deportivo. He reunido algunos datos históricos y ahora trato de entrenar a un clasificador. Obtuve alrededor de 1200 muestras, 0.2 de ellas las dividí para fines de …

16 classification  svm  feature-selection  random-forest