Estadísticas y Big Data

La implementación randomForest no permite el muestreo más allá del número de observaciones, incluso cuando se realiza un muestreo con reemplazo. ¿Por qué es esto? Funciona bien: rf <- randomForest(Species ~ ., iris, sampsize=c(1, 1, 1), replace=TRUE) rf <- randomForest(Species ~ ., iris, sampsize=3, replace=TRUE) Lo que quiero hacer: rf …

11 r  sampling  random-forest  stratification  oversampling 

Encontré esta distribución en un juego de computadora y quería aprender más sobre su comportamiento. Viene de la decisión de si un determinado evento debe ocurrir después de un número determinado de acciones del jugador. Los detalles más allá de esto no son relevantes. Parece aplicable a otras situaciones, y …

11 probability  distributions  survival  discrete-data 

Digamos que tenemos una pregunta simple de "sí / no" a la que queremos saber la respuesta. Y hay N personas "votando" por la respuesta correcta. Cada votante tiene un historial: una lista de 1 y 0, que muestra si tenían razón o no sobre este tipo de preguntas en …

11 accuracy  uncertainty  weighted-mean  voting-system 

Para analizar los recuentos de aves inflados a cero, me gustaría aplicar modelos de recuento inflados a cero usando el paquete R pscl . Sin embargo, al observar el ejemplo proporcionado en la documentación para una de las funciones principales ( ? Zeroinfl ), empiezo a dudar de cuál es …

11 r  poisson-distribution  zero-inflation 

De Wikipedia Una Red Bayesiana Dinámica (DBN) es una Red Bayesiana que relaciona variables entre sí en pasos de tiempo adyacentes. Esto a menudo se llama un BN de dos tiempos porque dice que en cualquier momento T, el valor de una variable se puede calcular a partir de los …

11 hidden-markov-model  graphical-model 

Me gustaría usar lme4para ajustar una regresión de efectos mixtos y multcompcalcular las comparaciones por pares. Tengo un conjunto de datos complejo con múltiples predictores continuos y categóricos, pero mi pregunta se puede demostrar utilizando el ChickWeightconjunto de datos incorporado como ejemplo: m <- lmer(weight ~ Time * Diet + …

11 r  mixed-model  multiple-comparisons 

Tengo una pregunta sobre la distribución posterior de Dirichlet. Dada una función de probabilidad multinomial, se sabe que el posterior es , donde es el número de veces que hemos visto observación.Dir(αi+Ni)Dir(αi+Ni)Dir({\alpha_i + N_i})NiNiN_iithithi^{th} ¿Qué sucede si comenzamos a disminuir s para un dato fijo ? Parece por la forma …

11 dirichlet-distribution 

Quiero verificar si realmente entendí el análisis factorial [clásico, lineal] (FA), especialmente los supuestos que se hacen antes (y posiblemente después) de FA. Algunos de los datos deben estar inicialmente correlacionados y existe una posible relación lineal entre ellos. Después de hacer el análisis factorial, los datos se distribuyen normalmente …

11 correlation  factor-analysis  assumptions  dimensionality-reduction 

La aplicación directa de los métodos de bootstrap a la prueba de hipótesis es estimar el intervalo de confianza del estadístico de prueba al calcularlo repetidamente en las muestras de bootstrap (deje que el estadístico muestreado de bootstrap se llame ). Rechazamos si el parámetro hipotético (que generalmente es igual …

11 hypothesis-testing  bootstrap 

¿Alguien puede explicarme el concepto de distancia de Mahalanobis? Por ejemplo, ¿cuál es la distancia de Mahalanobis entre dos puntos x e y, y especialmente, cómo se interpreta para el reconocimiento de patrones?

11 machine-learning  mathematical-statistics  distance-functions 

Actualmente estoy asistiendo al curso Una Introducción a la Gestión de Operaciones en Coursera.org. En algún momento del curso, el profesor comenzó a lidiar con la variación en el tiempo de las operaciones. La medida que usa es el coeficiente de variación , la relación entre la desviación estándar y …

11 standard-deviation  intuition  coefficient-of-variation 

He encontrado un documento que introduce la versión multidimensional (bivariante aquí) del diagrama de caja - un bagplot. ¿Qué es exactamente esa trama? Puedo ver la serie de polígonos anidados basados ​​en vértices, uno de esos polígonos se declara como un diagrama de bolsa. ¿Cuál es la idea de la …

11 data-visualization  bivariate  boxplot 

Me gustaría probar en qué regresión se ajusta mejor a mis datos. Mi variable dependiente es un recuento y tiene muchos ceros. Y necesitaría ayuda para determinar qué modelo y familia usar (poisson o cuasipoisson, o regresión de poisson inflada a cero) y cómo probar los supuestos. Regresión de Poisson: …

11 r  count-data  zero-inflation  poisson-regression 

Me pregunto si alguien puede explicar cuál es la principal diferencia entre las confiabilidades omega y alfa. Entiendo que la confiabilidad omega se basa en el modelo de factor jerárquico como se muestra en la siguiente imagen, y alfa usa correlaciones promedio entre ítems. Lo que no entiendo es, en …

11 reliability  scales  psychometrics 

Quiero visualizar los resultados de una agrupación (producida con protoclust{protoclust}) creando gráficos de dispersión para cada par de variables utilizadas para clasificar mis datos, colorear por clases y superponer las elipses para el intervalo de confianza del 95% para cada una de las clases (para inspeccionar cuáles las clases de …

11 r  confidence-interval  ggplot2  scatterplot