Estadísticas y Big Data

Estoy tratando de comprender cómo utilizar el aprendizaje automático para predecir series temporales financieras 1 o más pasos hacia el futuro. Tengo una serie cronológica financiera con algunos datos descriptivos y me gustaría formar un modelo y luego usar el modelo para predecir n pasos por delante. Lo que he …

12 r  time-series  machine-learning  random-forest  finance 

Ayúdame a encontrar la distribución limitante (como ) de lo siguiente: donde son iid .U n = X 1 + X 2 + … + X nn→∞n→∞n \rightarrow \inftyXiN(0,1)Unorte= X1+ X2+ … + XnorteX31+ X32+ ... X3norte,Un=X1+X2+…+XnX13+X23+…Xn3, U_n = \frac{X_1 + X_2 + \ldots + X_n}{X_1^3 + X_2^3 + \ldots …

12 distributions  normal-distribution  asymptotics 

En el libro de Andrew Gelman "Estado rojo, estado azul", analiza el hecho de que las personas ricas dentro de estados particulares tienden a votar más republicanos que los pobres, pero que los estados ricos tienden a votar más demócratas que los pobres. ¿Hay un nombre para esta paradoja? Me …

12 paradox 

Tengo el siguiente modelo: > model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop +(1|landscape),family=poisson) ... y este es el resultado resumido. > summary(model1) Generalized linear mixed model fit by the Laplace approximation Formula: aph.remain ~ sMFS1 + sAG1 + sSHDI1 + sbare + season + crop + (1 | landscape) AIC BIC logLik deviance 4057 4088 -2019 …

12 r  poisson-distribution  lme4-nlme  glmm  overdispersion 

Estoy realizando un modelo lineal generalizado, donde tengo que especificar una familia diferente de la normal. ¿Cuál es la distribución esperada de los residuos? Por ejemplo, ¿deberían distribuirse los residuos normalmente?

12 generalized-linear-model  residuals  normality-assumption 

Me gustaría comparar las medias en tres grupos de igual tamaño (el mismo tamaño de muestra es pequeño, 21). Las medias de cada grupo se distribuyen normalmente, pero sus variaciones son desiguales (probadas a través de Levene). ¿Es una transformación la mejor ruta en esta situación? ¿Debo considerar algo más …

12 anova  variance  heteroscedasticity 

Estoy creando prototipos de mi propio modelo de bolsa de palabras Naive Bayes, y tenía una pregunta sobre el cálculo de las probabilidades de las características. Digamos que tengo dos clases, solo usaré spam y no spam ya que eso es lo que todos usan. Y tomemos la palabra "viagra" …

12 classification  conditional-probability  naive-bayes 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene importancia histórica. Actualmente no acepta nuevas respuestas o interacciones. Soy muy nuevo en R. Estoy aprendiendo machine learning en este momento. Lo siento mucho, si esta pregunta parece ser muy básica. Estoy …

12 r  feature-selection 

¿Qué explica las diferencias en los valores p en los siguientes aovy las lmllamadas? ¿La diferencia solo se debe a los diferentes tipos de cálculos de sumas de cuadrados? set.seed(10) data=rnorm(12) f1=rep(c(1,2),6) f2=c(rep(1,6),rep(2,6)) summary(aov(data~f1*f2)) summary(lm(data~f1*f2))$coeff

12 r  regression  anova  linear-model  sums-of-squares 

Tengo referencias que aconsejaron considerar un tamaño de muestra mínimo de 20 para la distribución de ajuste de datos. ¿Tiene algún sentido esto? Gracias

12 sample-size 

Tengo un conjunto de datos con 8000 clústeres y 4 millones de observaciones. Desafortunadamente, mi software estadístico, Stata, funciona bastante lento cuando uso su función de datos de panel para la regresión logística: xtlogitincluso con una submuestra del 10%. Sin embargo, cuando se utiliza la logitfunción no panel , los …

12 logistic  categorical-data  stata  fixed-effects-model 

Estoy ejecutando un clasificador binario en este momento. Cuando trazo la curva ROC obtengo una buena elevación al principio, luego cambia de dirección y cruza la diagonal y, por supuesto, retrocede, haciendo que la curva tenga una forma de S inclinada. ¿Qué puede ser una interpretación / explicación a este …

12 roc 

Tengo un histograma, densidad de kernel y una distribución normal ajustada de los retornos del registro financiero, que se transforman en pérdidas (se cambian los signos), y una gráfica QQ normal de estos datos: El gráfico QQ muestra claramente que las colas no se ajustan correctamente. Pero si miro el …

12 data-visualization  normality-assumption  histogram  qq-plot 

¿Se puede entrenar un bosque aleatorio para predecir adecuadamente los datos de conteo? ¿Cómo procedería esto? Tengo una amplia gama de valores, por lo que la clasificación realmente no tiene sentido. Si usara la regresión, ¿simplemente truncaría los resultados? Estoy bastante perdido aquí. ¿Algunas ideas?

12 r  regression  random-forest  prediction  count-data 

GENEROSIDAD: La recompensa completa se otorgará a alguien que proporcione una referencia a cualquier artículo publicado que utilice o mencione el estimador F~F~\tilde{F} continuación. Motivación: Probablemente esta sección no sea importante para usted y sospecho que no lo ayudará a obtener la recompensa, pero como alguien me preguntó sobre la …

12 distributions  bernoulli-distribution  stratification  rejection-sampling  ecdf