Estadísticas y Big Data

Versión corta: estoy buscando un paquete R que pueda construir árboles de decisión, mientras que cada hoja en el árbol de decisión es un modelo de regresión lineal completo. AFAIK, la biblioteca rpartcrea árboles de decisión donde la variable dependiente es constante en cada hoja. ¿Hay otra biblioteca (o una …

14 r  regression  rpart  cart 

Me dieron datos para analizar en un estudio que analizaba los efectos de un tratamiento sobre los niveles de hierro en cuatro puntos de tiempo diferentes (antes del tratamiento, el día en que finalizó el tratamiento, 4 semanas después del tratamiento y 2-4 meses después del tratamiento). No hay grupo …

14 repeated-measures  multiple-comparisons  wilcoxon-signed-rank 

En Libre Office Calc, la rand()función está disponible, que elige un valor aleatorio entre 0 y 1 de una distribución uniforme. Estoy un poco oxidado en mi probabilidad, así que cuando vi el siguiente comportamiento, me quedé perplejo: A = Columna 200x1 de rand()^2 B = Columna 200x1 de rand()*rand() …

14 expected-value  random-generation  uniform 

Parece bastante común describir los valores alfa de Cronbach de la siguiente manera: α ≥ 0.9 Excelente 0.7 ≤ α <0.9 Bueno 0.6 ≤ α <0.7 Aceptable 0.5 ≤ α <0.6 Pobre α <0.5 Inaceptable ¿De dónde vienen estos valores? No puedo encontrar un artículo de investigación original que describa …

14 reliability  psychometrics  cronbachs-alpha 

Los datos que queremos usar como variable dependiente se ven así (son datos de recuento). Tememos que, dado que tiene un componente cíclico y una estructura de tendencia, la regresión se ve sesgada de alguna manera. Usaremos una regresión binomial negativa en caso de que ayude. Los datos son un …

14 autocorrelation  panel-data  fixed-effects-model  trend  lags 

Sé que k-means generalmente se optimiza usando Maximización de Expectativas . Sin embargo, podríamos optimizar su función de pérdida de la misma manera que optimizamos cualquier otra. Encontré algunos documentos que en realidad usan el descenso de gradiente estocástico para medios k a gran escala, pero no pude responder a …

14 optimization  k-means  expectation-maximization  loss-functions 

En un artículo encontré la fórmula para la desviación estándar de un tamaño de muestra NNN σ=R¯¯¯¯2.534σ=R¯2.534\sigma=\frac{\overline{R}}{2.534} donde R¯¯¯¯R¯\overline{R} es el rango promedio de submuestras (tamaño 666 ) de la muestra principal. ¿Cómo se calcula el número 2.5342.5342.534 ? Este es el número correcto?

14 standard-deviation  descriptive-statistics  range 

Según Wikipedia, la distribución de probabilidad beta tiene dos parámetros de forma: αα\alpha y ββ\beta . Cuando llamo scipy.stats.beta.fit(x)a Python, donde xhay un montón de números en el rango , se devuelven 4 valores. Esto me parece extraño.[0,1][0,1][0,1] Después de buscar en Google, encontré que uno de los valores de …

14 python  scipy  beta-distribution 

A continuación se describe lo que estoy tratando de lograr, pero es posible que una declaración alternativa del problema pueda describir mi objetivo: quiero divida los siguientes números en grupos donde las variaciones de los números dentro de cada grupo no sean demasiado grandes y las diferencias entre los promedios …

14 clustering  relative-distribution 

Estoy redactando una revisión de la literatura sobre un problema de salud pública actual en el que los datos se confunden: ¿Cuáles son los estudios de casos históricos comunes que se utilizan en la educación de salud pública / epidemiología donde las relaciones o inferencias inválidas o confusas se emplearon …

14 cross-validation  reliability  epidemiology  biostatistics 

No parece haber una forma estándar de tratar los datos faltantes en el contexto de la familia de modelos de suavizado exponencial. En particular, la implementación de R llamada ets en el paquete de pronóstico parece tomar la subsecuencia más larga sin datos faltantes, y el libro "Pronóstico con suavizado …

14 time-series  forecasting  missing-data 

Sorprendentemente, no pude encontrar una respuesta a la siguiente pregunta usando Google: Tengo algunos datos biológicos de varias personas que muestran un comportamiento de crecimiento más o menos sigmoide en el tiempo. Por lo tanto, deseo modelarlo utilizando un crecimiento logístico estándar P(t) = k*p0*exp(r*t) / (k+p0*(exp(r*t)-1)) siendo p0 el …

14 r  nonlinear-regression  mixed-model  growth-model 

Este es un seguimiento, pero también una pregunta diferente de la anterior . Leí en Wikipedia que " Un estimador imparcial mediano minimiza el riesgo con respecto a la función de pérdida de desviación absoluta, como lo observó Laplace ". Sin embargo, mis resultados de simulación de Monte Carlo no …

14 r  unbiased-estimator  median  lognormal  mad 

Me gustaría generar pares de números aleatorios con cierta correlación. Sin embargo, el enfoque habitual de usar una combinación lineal de dos variables normales no es válido aquí, porque una combinación lineal de variables uniformes ya no es una variable distribuida uniformemente. Necesito que las dos variables sean uniformes. ¿Alguna …

14 correlation  random-generation  uniform 

Estaba pasando por algunas conferencias relacionadas con MCMC. Sin embargo, no encuentro un buen ejemplo de cómo se usa. ¿Alguien puede darme un ejemplo concreto? Todo lo que puedo ver es que corren una cadena de Markov y dicen que su distribución estacionaria es la distribución deseada. Quiero un buen …

14 probability  bayesian  mcmc  markov-process