Estadísticas y Big Data

He escuchado la siguiente expresión antes: "La optimización es la raíz de todo mal en las estadísticas". Por ejemplo, la respuesta principal en este hilo hace esa declaración en referencia al peligro de optimizar demasiado agresivamente durante la selección del modelo. Mi primera pregunta es la siguiente: ¿Es esta cita …

14 cross-validation  optimization  overfitting 

Tengo un conjunto de datos de medidas repetidas desequilibradas para analizar, y he leído que la forma en que la mayoría de los paquetes estadísticos manejan esto con ANOVA (es decir, la suma de cuadrados del tipo III) es incorrecta. Por lo tanto, me gustaría usar un modelo de efectos …

14 r  mixed-model  lme4-nlme 

Acabo de ver una conferencia sobre inferencia estadística ("comparación de proporciones y medios"), parte de una introducción al curso en línea de estadísticas. El material tenía tan poco sentido para mí como siempre lo hace (a estas alturas debo haber visto estas cosas docenas de veces, distribuidas en las últimas …

14 references  inference  point-estimation 

Utilizo un modelo GARCH estándar: rtσ2t=σtϵt=γ0+γ1r2t−1+δ1σ2t−1rt=σtϵtσt2=γ0+γ1rt−12+δ1σt−12\begin{align} r_t&=\sigma_t\epsilon_t\\ \sigma^2_t&=\gamma_0 + \gamma_1 r_{t-1}^2 + \delta_1 \sigma^2_{t-1} \end{align} Tengo diferentes estimaciones de los coeficientes y necesito interpretarlos. Por lo tanto, me pregunto acerca de una buena interpretación, entonces, ¿qué representan , y ?γ0γ0\gamma_0γ1γ1\gamma_1δ1δ1\delta_1 Veo que es algo así como una parte constante. Por …

14 interpretation  garch 

Estoy interesado en encontrar un método para generar datos correlacionados, no normales. Entonces, idealmente, algún tipo de distribución que tome una matriz de covarianza (o correlación) como parámetro y genere datos que la aproximen. Pero aquí está el truco: el método que estoy tratando de encontrar debería tener la flexibilidad …

14 multivariate-analysis  references  random-generation  skewness  copula 

Estoy interesado en el modelado de datos de respuesta binaria en observaciones emparejadas. Nuestro objetivo es hacer una inferencia sobre la efectividad de una intervención pre-post en un grupo, ajustando potencialmente varias covariables y determinando si existe una modificación del efecto por parte de un grupo que recibió un entrenamiento …

14 logistic  mcnemar-test  clogit 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. Ahora que tengo un Rmarco de datos (capacitación), ¿alguien puede decirme cómo dividir aleatoriamente este conjunto de datos para hacer una validación …

14 cross-validation 

En psicología y otros campos, a menudo se emplea una forma de regresión gradual que implica lo siguiente: Observe los predictores restantes (al principio no hay ninguno en el modelo) e identifique el predictor que resulta en el mayor cambio de r-cuadrado; Si el valor p del cambio de r-cuadrado …

14 regression  model-selection  bias  r-squared  stepwise-regression 

Noté que en la distribución Normal, la probabilidad es igual a cero, mientras que para la distribución de Poisson, no será igual a cero cuando c es un número entero no negativo.PAG( x = c )PAG(X=C)P(x=c)CCc Mi pregunta es: ¿la probabilidad de cualquier constante en la distribución normal es igual …

14 probability  normal-distribution  poisson-distribution 

Estoy buscando un paquete de imputación KNN. He estado mirando el paquete de imputación ( http://cran.r-project.org/web/packages/imputation/imputation.pdf ) pero, por alguna razón, la función de imputación KNN (incluso cuando se sigue el ejemplo de la descripción) solo parece para imputar valores cero (como se indica a continuación). He estado buscando pero …

14 r  k-nearest-neighbour  data-imputation 

¿Es correcta la siguiente fórmula si quiero medir el error estándar de la mediana en el caso de una muestra pequeña con distribución no normal (estoy usando python)? sigma=np.std(data) n=len(data) sigma_median=1.253*sigma/np.sqrt(n)

14 standard-error  median 

La divergencia de Kullback-Leibler es una métrica para comparar dos funciones de densidad de probabilidad, pero ¿qué métrica se utiliza para comparar dos GP e ?YXXXYYY

14 gaussian-process  metric 

Según M. Katz en su libro Análisis multivariable (Sección 1.2, página 6), " Un factor de confusión está asociado con el factor de riesgo y está relacionado causalmente con el resultado " . ¿Por qué el factor de confusión debe estar relacionado causalmente con el resultado? ¿Sería suficiente que el …

14 causality  definition  confounding 

Investigué sobre k-means y esto es lo que obtuve: k-means es uno de los algoritmos más simples que utiliza un método de aprendizaje no supervisado para resolver problemas de agrupamiento conocidos. Funciona muy bien con grandes conjuntos de datos. Sin embargo, también hay inconvenientes de K-Means que son: Fuerte sensibilidad …

14 clustering  data-mining  algorithms  k-means 

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 meses . Al probar el supuesto de regresión paralela en la regresión logística ordinal, encuentro que hay varios …

14 r  regression  ordinal-data  ordered-logit