Estadísticas y Big Data

Tengo información sobre las distribuciones de dimensiones antropométricas (como la envergadura de los hombros) para niños de diferentes edades. Para cada edad y dimensión, tengo media, desviación estándar. (También tengo ocho cuantiles, pero no creo que pueda obtener lo que quiero de ellos). Para cada dimensión, me gustaría estimar cuantiles …

13 normal-distribution  quantiles  gaussian-mixture  aggregation 

Aprendí que usando el vif()método de carpaquete, podemos calcular el grado de multicolinealidad de las entradas en un modelo. En wikipedia , si el vifvalor es mayor que 5entonces, podemos considerar que la entrada sufre un problema de multicolinealidad. Por ejemplo, he desarrollado un modelo de regresión lineal utilizando el …

13 multicollinearity 

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 4 años . ¿Existe un paquete R que pueda usar para explorar si existen relaciones entre variables? Por lo …

13 r  data-visualization  correlation  eda 

Tengo algunos puntos de datos, cada uno con 5 vectores de resultados discretos aglomerados, los resultados de cada vector generados por una distribución diferente, (el tipo específico del cual no estoy seguro, mi mejor suposición es Weibull, con un parámetro de forma que varía en algún lugar exponencial a la …

13 distributions  clustering  feature-selection  kolmogorov-smirnov  k-means 

Quiero aplicar un PCA en un conjunto de datos, que consiste en variables de tipo mixto (continuo y binario). Para ilustrar el procedimiento, pego un ejemplo mínimo reproducible en R a continuación. # Generate synthetic dataset set.seed(12345) n <- 100 x1 <- rnorm(n) x2 <- runif(n, -2, 2) x3 <- …

13 r  pca 

Estoy tratando de ajustar un modelo jerárquico usando jags y el paquete rjags. Mi variable de resultado es y, que es una secuencia de ensayos de bernoulli. Tengo 38 sujetos humanos que se desempeñan en dos categorías: P y M. Según mi análisis, cada hablante tiene una probabilidad de éxito …

13 mcmc  multilevel-analysis  jags 

Estoy tratando de descubrir cómo R calcula la autocorrelación de lag-k (aparentemente, es la misma fórmula utilizada por Minitab y SAS), para poder compararla con el uso de la función CORREL de Excel aplicada a la serie y su versión k-lag. R y Excel (usando CORREL) dan valores de autocorrelación …

13 r  sas  autocorrelation  excel 

Estoy trabajando en una regresión logística múltiple en R usando glm. Las variables predictoras son continuas y categóricas. Un extracto del resumen del modelo muestra lo siguiente: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 2.451e+00 2.439e+00 1.005 0.3150 Age 5.747e-02 3.466e-02 1.658 0.0973 . BMI -7.750e-02 7.090e-02 -1.093 0.2743 …

13 r  logistic  interpretation  p-value 

¿Existe tal fórmula? Dado un conjunto de datos para el cual se conoce, o puede medirse, la media, la varianza, la asimetría y la curtosis, ¿existe una fórmula única que pueda usarse para calcular la densidad de probabilidad de un valor que se supone proviene de los datos antes mencionados?

13 distributions  pdf  kurtosis  skewness 

Mientras leía algunos documentos, me encontré con el término "conjunto de oro" o "estándar de oro". Lo que no entiendo es ¿qué hace que un conjunto de datos sea el estándar de oro? ¿Aceptación de pares, recuento de citas y si es la libertad del investigador y la relevancia para …

13 terminology 

Tengo problemas para entender qué plot.stlsignifican exactamente las barras de rango . Encontré la publicación de Gavin sobre esta pregunta y también leí la documentación, entiendo que cuentan la magnitud relativa de los componentes descompuestos, pero aún no estoy completamente seguro de cómo funcionan. P.ej: datos: barra pequeña, sin escala …

13 r  time-series 

Si puede medir una serie temporal de observaciones en cualquier nivel de precisión en el tiempo, y su objetivo del estudio es identificar una relación entre X e Y, ¿existe alguna justificación empírica para elegir un nivel específico de agregación sobre otro, o debería ¿La elección se tomará simplemente en …

13 time-series  aggregation  disaggregation 

Problema Me gustaría trazar la varianza explicada por cada uno de los 30 parámetros, por ejemplo, como un diagrama de barras con una barra diferente para cada parámetro, y la varianza en el eje y: Sin embargo, las variaciones están fuertemente sesgadas hacia valores pequeños, incluido 0, como se puede …

13 data-visualization  data-transformation  histogram 

Tengo múltiples codificadores independientes que están tratando de identificar eventos en una serie de tiempo, en este caso, viendo videos de conversaciones cara a cara y buscando comportamientos no verbales particulares (por ejemplo, cabezazos) y codificando el tiempo y la categoría de cada uno. evento. Estos datos podrían tratarse razonablemente …

13 time-series  reliability  agreement-statistics 

Uno de los supuestos de la regresión logística es la linealidad en el logit. Entonces, una vez que tengo mi modelo en funcionamiento, pruebo la no linealidad con la prueba Box-Tidwell. Uno de mis predictores continuos (X) ha dado positivo por no linealidad. ¿Qué se supone que debo hacer a …

13 regression  logistic  references  assumptions  regression-strategies