Estadísticas y Big Data

Hola, gurús estadísticos y asistentes de programación R, Estoy interesado en modelar capturas de animales en función de las condiciones ambientales y el día del año. Como parte de otro estudio, tengo recuentos de capturas en ~ 160 días durante tres años. En cada uno de estos días tengo temperatura, …

16 r  mixed-model  autocorrelation  bugs  panel-data 

Sé que el pdf de una distribución de la ley de potencia esp ( x ) = α - 1Xmin( xXmin)- αpag(X)=α-1Xmin(XXmin)-α p(x) = \frac{\alpha-1}{x_{\text{min}}} \left(\frac{x}{x_{\text{min}}} \right)^{-\alpha} Pero, ¿qué significa intuitivamente si, por ejemplo, los precios de las acciones siguen una distribución de la ley de poder? ¿Significa esto que …

16 distributions  power-law 

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 6 años . Estoy buscando un corpus de texto grande (> 1000) para descargar. Preferiblemente con noticias mundiales o …

16 dataset 

Estoy buscando varias formas de explicar a mis alumnos (en un curso de estadística elemental) qué es una prueba de dos colas y cómo se calcula su valor P. ¿Cómo les explica a sus estudiantes el examen de dos contra uno?

16 hypothesis-testing  p-value  teaching 

¿Existe una "regla" para determinar el tamaño mínimo de muestra requerido para que una prueba t sea válida? Por ejemplo, se debe realizar una comparación entre las medias de 2 poblaciones. Hay 7 puntos de datos de una población y solo 2 puntos de datos de la otra. Desafortunadamente, el …

16 t-test  sample-size  small-sample  wilcoxon-mann-whitney 

Supongamos que tenemos dos puntos (la siguiente figura: círculos negros) y queremos encontrar un valor para un tercer punto entre ellos (cruz). De hecho, vamos a estimarlo en función de nuestros resultados experimentales, los puntos negros. El caso más simple es dibujar una línea y luego encontrar el valor (es …

16 estimation  interpolation 

¿Hay algún buen libro que explique conceptos importantes de la teoría de la probabilidad, como las funciones de distribución de probabilidad y las funciones de distribución acumulativa? Por favor, evite referirse a libros como "Estadística matemática y análisis de datos" de John Rice que comienzan con conceptos simples de permutación …

16 probability  self-study  distributions  references  theory 

Tengo un conjunto de datos, quiero crear grupos en esos datos basados ​​en una sola variable (no faltan valores). Quiero crear 3 grupos basados ​​en esa variable. ¿Qué algoritmo de agrupamiento utilizar, k-means, EM, DBSCAN, etc.? Mi pregunta principal es, ¿en qué circunstancias debo usar k-means sobre EM o EM …

16 clustering 

He estado tratando de codificar un algoritmo para sugerir apuestas en juegos 1X2 (ponderados). Básicamente, cada juego tiene un conjunto de partidos (equipos locales vs fuera): 1: casa gana X: dibujar 2: visitante gana Para cada coincidencia y símbolo ( 1, Xy 2), asignaré un porcentaje que represente las posibilidades …

16 optimization 

He intentado varias veces "hacerlo por mi cuenta", pero con un éxito limitado. Soy un usuario casual de SPSS y tengo experiencia en SAS. Agradecería un puntero o dos de alguien que tiene antecedentes similares y ahora usa R.

16 r  references 

¿Está bien usar la prueba de bondad de ajuste de Kolmogorov-Smirnov para comparar dos distribuciones empíricas para determinar si parecen provenir de la misma distribución subyacente, en lugar de comparar una distribución empírica con una distribución de referencia preespecificada? Déjame intentar preguntar esto de otra manera. Recojo N muestras de …

16 hypothesis-testing  distributions  kolmogorov-smirnov 

Estoy intentando realizar la agrupación a nivel de documento. Construí la matriz de frecuencia de término-documento y estoy tratando de agrupar estos vectores de alta dimensión usando k-means. En lugar de agrupar directamente, lo que hice fue aplicar primero la descomposición vectorial singular de LSA (Análisis semántico latente) para obtener …

16 clustering  pca  dimensionality-reduction  text-mining  svd 

¿Podría alguien decirme qué significa el término 'persistencia' en el análisis de series de tiempo? Se trata de econometría y regresión aplicada.

16 regression  time-series  econometrics  terminology 

Estoy tratando de generar muestras aleatorias de un pdf personalizado usando R. Mi pdf es: fX(x)=32(1−x2),0≤x≤1fX(x)=32(1−x2),0≤x≤1f_{X}(x) = \frac{3}{2} (1-x^2), 0 \le x \le 1 Generé muestras uniformes y luego traté de transformarlo en mi distribución personalizada. Hice esto buscando el cdf de mi distribución ( FX(x)FX(x)F_{X}(x) ) y configurándolo en …

16 r  sampling  uniform 

Pensé que 'agrupar datos' simplemente significaba combinar datos que antes se dividían en categorías ... esencialmente, ignorar las categorías y hacer que el conjunto de datos sea un 'grupo' gigante de datos. Supongo que esta es una pregunta más sobre la terminología que la aplicación de estadísticas. Por ejemplo: quiero …

16 terminology