Estadísticas y Big Data

Acabo de empezar a construir modelos en Stan ; para familiarizarme con la herramienta, estoy trabajando en algunos de los ejercicios en Bayesian Data Analysis (2nd ed.). El ejercicio Waterbuck supone que los datos , con ( N , θ ) desconocido. Desde hamiltoniano Monte Carlo no permite parámetros discretos, …

13 bayesian  mcmc  discrete-data  stan 

Realicé un glm.nb por glm1<-glm.nb(x~factor(group)) siendo el grupo una categoría y x una variable métrica. Cuando intento obtener el resumen de los resultados, obtengo resultados ligeramente diferentes, dependiendo de si uso summary()o summary.glm. summary(glm1)me da ... Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.1044 0.1519 0.687 0.4921 factor(gruppe)2 0.1580 …

13 r  generalized-linear-model  negative-binomial 

He estado tratando de aprender y aplicar los modelos ARIMA. He estado leyendo un excelente texto sobre ARIMA de Pankratz - Pronósticos con caja univariante - Modelos Jenkins: conceptos y casos . En el texto, el autor enfatiza especialmente el principio de parsimonia en la elección de los modelos ARIMA. …

13 time-series  forecasting  arima  aic  automatic-algorithms 

Necesito derivar expresiones analíticas para la función de autocovarianza γ(k)γ(k)\gamma\left(k\right) de un proceso ARMA (2,1) denotado por: yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Entonces, sé que: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] para que yo pueda escribir: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] entonces, para derivar la versión analítica de la función de autocovarianza, necesito sustituir los valores …

13 time-series  covariance  autocorrelation  arma 

¿Puede dar la razón para usar una prueba de una cola en la prueba de análisis de varianza? ¿Por qué utilizamos una prueba de una cola, la prueba F, en ANOVA?

13 anova  f-test  sums-of-squares  f-distribution 

¿El término "inferencia estadística" incluye solo pruebas de hipótesis o también incluye estimación puntual, estimación de intervalo, etc. Las referencias autorizadas serán muy apreciadas.

13 inference  terminology 

Tengo resultados de la misma prueba aplicada a dos muestras independientes: x <- c(17, 12, 13, 16, 9, 19, 21, 12, 18, 17) y <- c(10, 6, 15, 9, 8, 11, 8, 16, 13, 7, 5, 14) Y quiero calcular una prueba de suma de rango de Wilcoxon. Cuando calculo …

13 r  wilcoxon-mann-whitney  wilcoxon-signed-rank 

En regresión lineal, , ¿por qué X se llama matriz de diseño? ¿Se puede diseñar o construir X arbitrariamente hasta cierto punto como en el arte?Y=XβY=XβY= X\betaXXXXXX

13 regression  terminology 

No tengo ningún fondo en matemáticas, pero entiendo cómo funciona el simple Perceptron y creo que entiendo el concepto de un hiperplano (lo imagino geométricamente como un plano en el espacio 3D que separa dos nubes de puntos, al igual que una línea se separa) dos nubes de puntos en …

13 machine-learning  classification  linear-model  multi-class 

1. El problema Tengo algunas mediciones de una variable ytyty_t , donde t=1,2,..,nt=1,2,..,nt=1,2,..,n , para el cual tengo una distribución fyt(yt)fyt(yt)f_{y_t}(y_t) obtenida a través de MCMC, que por simplicidad supondré que es una gaussiana de media μtμt\mu_t y varianza σ2tσt2\sigma_t^2 . Tengo un modelo físico para esas observaciones, digamos g(t)g(t)g(t) …

13 time-series  mcmc  autoregressive  likelihood 

Al realizar la validación cruzada k-fold, entiendo que obtienes las métricas de precisión apuntando todos los pliegues excepto uno en ese pliegue y haces predicciones, y luego repites este proceso veces. Luego puede ejecutar métricas de precisión en todas sus instancias (precisión, recuperación,% clasificado correctamente), que debería ser el mismo …

13 cross-validation 

Supongamos que tiene un conjunto de valores y desea saber si es más probable que se muestrearon de una distribución gaussiana (normal) o de una distribución lognormal. Por supuesto, idealmente sabría algo sobre la población o sobre las fuentes de error experimental, por lo que tendría información adicional útil para …

13 normal-distribution  lognormal 

Estoy ejecutando un modelo de regresión logística en la forma: lmer(response~1+(1|site), family=binomial, REML = FALSE) Normalmente calcularía el ICC a partir de la intercepción y las variaciones residuales, pero el resumen del modelo no incluye la variación residual. ¿Cómo calculo esto?

13 logistic  lme4-nlme  glmm 

Estoy relativamente familiarizado con la distinción entre los términos estadística y parámetro. Veo una estadística como el valor obtenido al aplicar una función a los datos de la muestra. Sin embargo, la mayoría de los ejemplos de parámetros se relacionan con la definición de una distribución paramétrica. Un ejemplo común …

13 estimation  terminology  sample  population 

Quiero probar una correlación de muestra rrr para significancia, usando valores p, es decir H0:ρ=0,H1:ρ≠0.H0:ρ=0,H1:ρ≠0.H_0: \rho = 0, \; H_1: \rho \neq 0. He entendido que puedo usar la transformación z de Fisher para calcular esto zobs=n−3−−−−−√2ln(1+r1−r)zobs=n−32ln⁡(1+r1−r)z_{obs}= \displaystyle\frac{\sqrt{n-3}}{2}\ln\left(\displaystyle\frac{1+r}{1-r}\right) y encontrar el valor p por p=2P(Z>zobs)p=2P(Z>zobs)p = 2P\left(Z>z_{obs}\right) utilizando la distribución …

13 correlation  sample-size  fisher-transform