Estadísticas y Big Data

Estoy interesado en saber si existe o no un consenso sobre la forma óptima de analizar los datos de duración de la estadía hospitalaria (LOS) de un ECA. Por lo general, esta es una distribución muy sesgada a la derecha, por la cual la mayoría de los pacientes son dados …

11 t-test  power  skewness  cox-model  logrank 

Considere donde son iid y se mantiene el CLT. ¿Cuántos de los términos más importantes suman la mitad de la suma total? Por ejemplo, 10 + 9 + 8 (10 + 9 + 8 + 1) / 2: el 30% de los términos alcanzan aproximadamente la mitad del total.X 1 …

11 central-limit-theorem  asymptotics 

En una aplicación de minería de texto, un enfoque simple es utilizar la heurística para crear vectores como representaciones compactas y dispersas de los documentos. Esto está bien para la configuración de lotes, donde todo el cuerpo se conoce a priori, ya que i d f requiere todo el cuerpot …

11 time-series  text-mining 

Comencé a cavar un poco en la función plot.lm , esta función da seis gráficos para lm, son: una gráfica de residuos contra valores ajustados una gráfica de ubicación de escala de sqrt (| residuales |) contra valores ajustados un gráfico QQ normal, un gráfico de distancias de Cook versus …

11 r  regression  linear-model  diagnostic 

¿Alguien puede mostrar cómo el valor esperado y la varianza del Poisson inflado cero, con función de masa de probabilidad f(y)={π+(1−π)e−λ,(1−π)λye−λy!,if y=0if y=1,2....f(y)={π+(1−π)e−λ,if y=0(1−π)λye−λy!,if y=1,2.... f(y) = \begin{cases} \pi+(1-\pi)e^{-\lambda}, & \text{if }y=0 \\ (1-\pi)\frac{\lambda^{y}e^{-\lambda}}{y!}, & \text{if }y=1,2.... \end{cases} donde ππ\pi es la probabilidad de que la observación sea cero por …

11 variance  poisson-distribution  expected-value  zero-inflation 

Soy un poco nuevo en la minería de datos y estoy trabajando en un modelo de clasificación para la predicción de calificación de películas. He recopilado conjuntos de datos de IMDB, y estoy planeando usar un árbol de decisión y enfoques de vecinos más cercanos para mi modelo. Me gustaría …

11 classification  cart 

Dada una serie temporal, se puede estimar la función de autocorrelación y trazarla, por ejemplo, como se ve a continuación: ¿Qué es posible entonces leer sobre las series temporales, a partir de esta función de autocorrelación? ¿Es posible, por ejemplo, razonar sobre la estacionariedad de la serie temporal? Editado : …

11 time-series  autocorrelation 

Después de ejecutar una regresión del formulario reg <- lm(y ~ x1 + x2, data=example)en un conjunto de datos, puedo obtener valores predichos usando predict(reg, example, interval="prediction", level=0.95) Me pregunto a qué se refieren realmente los valores pronosticados cuando uso la regresión para predecir el conjunto de datos real. ¿No …

11 r  regression 

Hay mucho acerca de la colinealidad con respecto a los predictores continuos, pero no tanto que pueda encontrar en los predictores categóricos. Tengo datos de este tipo ilustrados a continuación. El primer factor es una variable genética (recuento de alelos), el segundo factor es una categoría de enfermedad. Claramente, los …

11 r  anova  categorical-data  multicollinearity  sums-of-squares 

Me gustaría saber si tiene sentido estudiar las gráficas de residuos con respecto a la variable dependiente cuando tengo una regresión univariada. Si tiene sentido, ¿qué significa una correlación fuerte, lineal y creciente entre los residuos (en el eje y) y los valores estimados de la variable dependiente (en el …

11 regression  residuals 

Tengo un modelo estocástico utilizado para simular series temporales de algún proceso. Estoy interesado en el efecto de cambiar un parámetro a un valor específico y quiero mostrar la diferencia entre las series de tiempo (digamos el modelo A y el modelo B) y algún tipo de intervalo de confianza …

11 time-series  predictive-models  markov-process 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. ¿Cómo puedo trazar un gráfico de gofres como alternativa al uso de gráficos circulares en R? help.search("waffle") No help files found with …

11 r  data-visualization 

Digamos que como propietario de un negocio (o de marketing o cualquier persona que entienda un diagrama de dispersión) se muestra un diagrama de dispersión de dos variables: número de anuncios vs número de ventas de productos por mes durante los últimos 5 años (u otra escala de tiempo para …

11 correlation  mathematical-statistics 

Antecedentes: soy un bioestadístico actualmente luchando con un conjunto de datos de tasas de expresión celular. El estudio expuso una gran cantidad de células, reunidas en grupos de varios donantes, a ciertos péptidos. Las células expresan ciertos biomarcadores en respuesta, o no lo hacen. Las tasas de respuesta se registran …

11 regression  gamma-distribution  mixture  zero-inflation 

Estoy ejecutando un modelo OLS con una variable de índice de activo continuo como DV. Mis datos se agregan de tres comunidades similares en estrecha proximidad geográfica entre sí. A pesar de esto, pensé que era importante usar la comunidad como una variable de control. Resulta que la comunidad es …

11 regression  categorical-data  stata  multiple-regression  aggregation