Estadísticas y Big Data

Descripción: Deje que el dominio del problema sea la clasificación de documentos donde existe un conjunto de vectores de características, cada uno de los cuales pertenece a 1 o más clases. Por ejemplo, un documento doc_1puede pertenecer a Sportsy Englishcategorías. Pregunta: Usando la red neuronal para la clasificación, ¿cuál sería …

12 machine-learning  neural-networks  natural-language  multilabel 

Tengo un conjunto de datos de series temporales en el que estoy tratando de ajustar un Modelo de Markov Oculto (HMM) para estimar el número de estados latentes en los datos. Mi pseudo código para hacer esto es el siguiente: for( i in 2 : max_number_of_states ){ ... calculate HMM …

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

Estoy ajustando un modelo de efectos aleatorios con glmeralgunos datos comerciales. El objetivo es analizar el desempeño de ventas por distribuidor, teniendo en cuenta la variación regional. Tengo las siguientes variables: distcode: ID de distribuidor, con aproximadamente 800 niveles region: ID geográfica de nivel superior (norte, sur, este, oeste) zone: …

12 r  regression  mixed-model  lme4-nlme 

Tengo algunos problemas para resolver lo siguiente. Robas cartas de una baraja estándar de 52 cartas sin reemplazo hasta que obtengas un as. Sacas de lo que queda hasta que obtienes un 2. Continúas con 3. ¿Cuál es el número esperado en el que estarás después de que se acabe …

12 self-study  conditional-probability  conditional-expectation  games  conditioning 

¿Qué relación y diferencia hay entre series de tiempo y regresión? Para modelos y supuestos , ¿es correcto que los modelos de regresión asuman independencia entre las variables de salida para diferentes valores de la variable de entrada, mientras que el modelo de serie temporal no lo hace? ¿Cuáles son …

12 regression  time-series  box-jenkins 

Supongamos que tengo una distribución discreta definida por el vector modo que la categoría se dibujará con probabilidad \ theta_0 y así sucesivamente. Luego descubro que algunos de los valores en la distribución son tan pequeños que desbordan la representación de números de coma flotante de mi computadora, por lo …

12 random-generation 

Vengo de esta pregunta en caso de que alguien quiera seguir el rastro. Básicamente tengo un conjunto de datos ΩΩ\Omega compuesto de NNN objetos donde cada objeto tiene un número dado de valores medidos adjuntos (dos en este caso): Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] Necesito una …

12 probability  maximum-likelihood  kernel-smoothing  numerical-integration 

Considere un modelo de efectos lineales no observados del tipo: donde es una característica no observada pero invariable en el tiempo y es un error, y indexar observaciones individuales y tiempo, respectivamente. El enfoque típico en una regresión de efectos fijos (FE) sería eliminar través de dummies individuales (LSDV) / …

12 fixed-effects-model  philosophical 

Estoy trabajando en un algoritmo que toma un vector del punto de datos más reciente de una serie de flujos de sensores y compara la distancia euclidiana con los vectores anteriores. El problema es que los diferentes flujos de datos provienen de sensores completamente diferentes, por lo que tomar una …

12 time-series  normalization  real-time 

Publiqué esto en mathoverflow y nadie respondió: El método de Scheffé para identificar contrastes estadísticamente significativos es ampliamente conocido. Un contraste entre las medias , de poblaciones es una combinación lineal en la que , y un múltiplo escalar de un contraste es esencialmente el mismo contraste, por lo que …

12 regression  hypothesis-testing  contrasts  np 

Actualmente estoy tomando el curso PGM de Daphne Koller en Coursera. En eso, generalmente modelamos una Red Bayesiana como un gráfico dirigido de causa y efecto de las variables que forman parte de los datos observados. Pero en los tutoriales y ejemplos de PyMC, generalmente veo que no está modelado …

12 bayesian  inference  bayesian-network  pymc 

Antecedentes: leí un artículo donde los autores informan la correlación de Pearson 0.754 del tamaño de la muestra 878. El valor p resultante para la prueba de correlación es "dos estrellas" significativo (es decir, p <0.01). Sin embargo, creo que con un tamaño de muestra tan grande, el valor p …

12 hypothesis-testing  correlation  p-value  fraud 

¿Cuál es la varianza del producto de variables aleatorias correlacionadas?kkk

12 variance  random-variable 

Wikipedia dice El tamaño del efecto es una medida de la fuerza de un fenómeno o una estimación basada en muestras de esa cantidad. El tamaño del efecto calculado a partir de los datos es una estadística descriptiva que transmite la magnitud estimada de una relación sin hacer ninguna declaración …

12 effect-size 

Los datos gaussianos distribuidos en una sola dimensión requieren dos parámetros para caracterizarlo (media, varianza), y se rumorea que alrededor de 30 muestras seleccionadas al azar suelen ser suficientes para estimar estos parámetros con una confianza razonablemente alta. Pero, ¿qué sucede a medida que aumenta el número de dimensiones? En …

12 normal-distribution  multivariate-analysis