Estadísticas y Big Data

¿Cuál es el significado exacto de la notación de subíndice en las expectativas condicionales en el marco de la teoría de la medida? Estos subíndices no aparecen en la definición de expectativa condicional, pero podemos ver, por ejemplo, en esta página de wikipedia . (Tenga en cuenta que no siempre …

64 conditional-expectation  notation 

He estado bastante feliz usando modelos de efectos mixtos desde hace un tiempo con datos longitudinales. Desearía poder encajar las relaciones AR en lmer (creo que tengo razón en que no puedo hacer esto), pero no creo que sea desesperadamente importante, así que no me preocupo demasiado. Acabo de encontrar …

63 mixed-model  gee 

Ha habido muchos debates dentro de las estadísticas entre bayesianos y frecuentistas. En general, me parece bastante desagradable (aunque creo que se ha calmado). Por otro lado, he conocido a varias personas que tienen una visión completamente pragmática del tema, diciendo que a veces es más conveniente realizar un análisis …

63 bayesian  frequentist 

En los últimos años, he leído varios artículos que argumentan en contra del uso de pruebas de significación de hipótesis nulas en la ciencia, pero no pensé en mantener una lista persistente. Un colega me pidió recientemente una lista así, así que pensé en pedirles a todos los presentes que …

63 hypothesis-testing  statistical-significance  references  p-value 

El libro de Taleb "El cisne negro" fue un best seller del New York Times cuando salió hace varios años. El libro está ahora en su segunda edición. Después de reunirse con estadísticos en un JSM (una conferencia estadística anual), Taleb atenuó un poco sus críticas a las estadísticas. Pero …

63 extreme-value  rare-events 

Traté de reproducir algunas investigaciones (usando PCA) de SPSS en R. En mi experiencia, la principal() función del paquete psychfue la única función que se acercó (o si mi memoria me funciona correctamente) para que coincida con la salida. Para coincidir con los mismos resultados que en SPSS, tuve que …

63 r  spss  pca  factor-analysis  factor-rotation 

¿Son realmente diferentes las regresiones múltiples y multivariadas? ¿Qué es una variante de todos modos?

63 regression  multiple-regression  terminology  multivariate-regression 

¿Cuál es la diferencia entre datos discretos y datos continuos?

63 continuous-data  discrete-data 

¿Qué decide la elección de la función (Softmax vs Sigmoid) en un clasificador logístico? Supongamos que hay 4 clases de salida. Cada una de las funciones anteriores da las probabilidades de que cada clase sea la salida correcta. Entonces, ¿cuál tomar para un clasificador?

63 machine-learning  logistic  classification  softmax 

Para algunas pruebas en R, hay un límite inferior en los cálculos del valor p de . No estoy seguro de por qué es este número, si hay una buena razón para ello o si es arbitrario. A muchos otros paquetes de estadísticas solo se accede , por lo que …

63 r  p-value  reporting  precision 

Tengo la impresión de que cuando las personas se refieren a una red de "creencias profundas", se trata básicamente de una red neuronal pero muy grande. ¿Es esto correcto o una red de creencias profundas también implica que el algoritmo en sí mismo es diferente (es decir, no alimenta la …

62 machine-learning  neural-networks  deep-learning  deep-belief-networks 

¿Hay un propósito específico en términos de eficiencia o funcionalidad por qué el algoritmo k-means no usa, por ejemplo, coseno (des) similitud como una métrica de distancia, sino que solo puede usar la norma euclidiana? En general, ¿cumplirá y será correcto el método K-means cuando se consideren o usen otras …

62 clustering  k-means  distance-functions  euclidean 

Cualquiera recibió sugerencias de biblioteca o código sobre cómo trazar un par de árboles de muestra de: getTree(rfobj, k, labelVar=TRUE) (Sí, sé que se supone que no debes hacer esto operacionalmente, RF es una caja negra, etc., etc.) Quiero verificar visualmente el estado de un árbol para ver si alguna …

62 r  data-visualization  random-forest  cart 

Aprecio la utilidad de la rutina de arranque para obtener estimaciones de incertidumbre, pero una cosa que siempre me ha molestado es que la distribución correspondiente a esas estimaciones es la distribución definida por la muestra. En general, parece una mala idea creer que nuestras frecuencias de muestra se ven …

62 bootstrap  uncertainty 

Sé empíricamente que ese es el caso. Acabo de desarrollar modelos que se encuentran con este enigma. También sospecho que no es necesariamente una respuesta sí / no. Quiero decir que si A y B están correlacionados con C, esto puede tener alguna implicación con respecto a la correlación entre …

62 correlation  cross-correlation