Estadísticas y Big Data

El procedimiento de selección del modelo de Box-Jenkins en el análisis de series de tiempo comienza observando las funciones de autocorrelación y autocorrelación parcial de la serie. Estas gráficas pueden sugerir la y q apropiadas en un modelo ARMA ( p , q ) . El procedimiento continúa solicitando al …

14 regression  time-series  arima  model-selection  box-jenkins 

Pasé tres días incursionando tmdespués de leer un borrador de un amigo donde exploró un corpus de texto con UCINET, mostrando nubes de texto, gráficos de red de dos modos y descomposición de valor único (con gráficos, usando Stata). Me encontré con una gran cantidad de problemas: en Mac OS …

14 r  text-mining 

A menudo necesito pronosticar para períodos futuros en series mensuales de datos. Las fórmulas están disponibles para calcular el intervalo de confianza en alfa para el próximo período en la serie de tiempo, pero esto nunca incluye cómo tratar el segundo período, el tercero, etc. Me imagino visualmente que si …

14 confidence-interval  forecasting 

Estoy tratando de descubrir cómo controlar los parámetros de suavizado en un modelo mgcv: gam. Tengo una variable binomial que intento modelar principalmente como una función de las coordenadas xey en una cuadrícula fija, además de algunas otras variables con influencias menores. En el pasado, he construido un modelo de …

14 r  smoothing  mgcv 

¿Alguien usa las métricas o para la agrupación, en lugar de ? Aggarwal et al., Sobre el sorprendente comportamiento de las métricas de distancia en el espacio de alta dimensión, dijeron (en 2001) queL1L1L_1L.5L.5L_.5L2L2L_2 L1L1L_1 es consistentemente más preferible que la métrica de distancia euclidiana para aplicaciones de minería de …

14 clustering  distance-functions  rule-of-thumb 

Me gustaría (en un futuro lejano) enseñar estadísticas a los niños. Para el caso, me alegraría saber de software (obviamente estoy tendiendo a FOSS), o aplicaciones web, que son útiles para explicar ideas estadísticas / probabilísticas a los niños (o adultos para el caso). Puede usarlo el instructor, los niños …

14 probability  references  software  teaching 

Entonces, cuando supongo que los términos de error se distribuyen normalmente en una regresión lineal, ¿qué significa para la variable de respuesta, ?yyy

14 regression  distributions 

Estuve luchando con la estacionaria en mi cabeza por un tiempo ... ¿Es así como piensas al respecto? Cualquier comentario o pensamiento adicional será apreciado. El proceso estacionario es el que genera valores de series temporales de modo que la media de distribución y la varianza se mantienen constantes. Estrictamente …

14 time-series  stationarity  intuition 

Esto probablemente demuestra una falta fundamental de comprensión de cómo funcionan las correlaciones parciales. Tengo 3 variables, x, y, z. Cuando controlo para z, la correlación entre x e y aumenta sobre la correlación entre x e y cuando no se controlaba z. ¿Esto tiene sentido? Tiendo a pensar que …

14 correlation 

para los siguientes 3 valores 222,1122,45444 WolframAlpha da 0.706 Excel, usando =SKEW(222,1122,45444)da 1.729 ¿Qué explica la diferencia?

14 excel  software  descriptive-statistics  mathematica 

Aquí hay un poco de contexto. Estoy interesado en determinar cómo dos variables ambientales (temperatura, niveles de nutrientes) impactan el valor medio de una variable de respuesta durante un período de 11 años. Dentro de cada año, hay datos de más de 100k ubicaciones. El objetivo es determinar si, durante …

14 time-series  regression  sample-size  small-sample 

Como he oído hablar del clasificador AdaBoost que se menciona repetidamente en el trabajo, quería tener una mejor idea de cómo funciona y cuándo uno podría usarlo. Continué y leí una serie de documentos y tutoriales que encontré en Google, pero hay aspectos del clasificador que todavía tengo problemas para …

14 machine-learning  boosting  adaboost 

Actualmente estoy trabajando en un proyecto donde genero valores aleatorios usando conjuntos de puntos de baja discrepancia / cuasialeatorios , como los conjuntos de puntos de Halton y Sobol. Estos son esencialmente vectores dimensionales que imitan una variable dimensional uniforme (0,1), pero tienen una mejor distribución. En teoría, se supone …

14 hypothesis-testing  monte-carlo  random-generation  randomness 

Esta es una pregunta de seguimiento de la que hice hace un par de días . Siento que pone una inclinación diferente sobre el tema, así que enumeré una nueva pregunta. La pregunta es: ¿puedo comparar la magnitud de los coeficientes entre modelos con diferentes variables dependientes? Por ejemplo, en …

14 regression  logistic 

Digamos que tengo dos distribuciones que quiero comparar en detalle, es decir, de manera que haga que la forma, la escala y el desplazamiento sean fácilmente visibles. Una buena manera de hacerlo es trazar un histograma para cada distribución, colocarlos en la misma escala X y apilar uno debajo del …

14 data-visualization  histogram  pdf  binning