Estadísticas y Big Data

Cualquiera que siga el béisbol probablemente haya escuchado sobre el desempeño inesperado del tipo MVP del José Bautista de Toronto. En los cuatro años anteriores, bateó aproximadamente 15 jonrones por temporada. El año pasado llegó a 54, un número superado por solo 12 jugadores en la historia del béisbol. En …

11 r  regression  modeling 

Estoy buscando cómo (visualmente) explicar una correlación lineal simple a los estudiantes de primer año. La forma clásica de visualizar sería dar un diagrama de dispersión Y ~ X con una línea de regresión recta. Recientemente, tuve la idea de extender este tipo de gráficos agregando al gráfico 3 imágenes …

11 r  data-visualization  regression  correlation 

Me encontré con una imagen de un prototipo de aplicación que encuentra cambios significativos ("tendencias" - no picos / valores atípicos) en los datos de tráfico: Quiero escribir un programa (Java, opcionalmente R) que pueda hacer lo mismo, pero debido a que mis habilidades estadísticas están un poco oxidadas, necesito …

11 time-series  change-point 

Asumiendo que hay un punto en probar el supuesto de normalidad para anova (ver 1 y 2 ) ¿Cómo se puede probar en R? Esperaría hacer algo como: ## From Venables and Ripley (2002) p.165. utils::data(npk, package="MASS") npk.aovE <- aov(yield ~ N*P*K + Error(block), npk) residuals(npk.aovE) qqnorm(residuals(npk.aov)) Lo que no …

11 r  anova  normality-assumption  repeated-measures 

Soy un principiante en estadística (solo tomé un curso universitario), pero tengo experiencia en programación. Acabo de empezar a jugar con una biblioteca clasificadora bayesiana para Ruby y estoy buscando ideas para analizar. En este momento estoy jugando con la categorización de Tweet, pero ¿tienes alguna idea? Más importante aún, …

11 bayesian  naive-bayes 

Las variables dependientes en un MANOVA no deben estar "muy fuertemente correlacionadas". Pero, ¿qué tan fuerte es una correlación demasiado fuerte? Sería interesante obtener las opiniones de la gente sobre este tema. Por ejemplo, ¿procedería con MANOVA en las siguientes situaciones? Y1 e Y2 están correlacionados con y p < …

11 correlation  anova  multivariate-analysis  rule-of-thumb  manova 

Recientemente ajusté 4 modelos de regresión múltiple para los mismos datos de predicción / respuesta. Dos de los modelos que calzo con regresión de Poisson. model.pois <- glm(Response ~ P1 + P2 +...+ P5, family=poisson(), ...) model.pois.inter <- glm(Response ~ (P1 + P2 +...+ P5)^2, family=poisson(), ...) Dos de los …

11 regression  aic  count-data  likelihood-ratio  model-comparison 

Un nombre: primero, posiblemente un segundo nombre y apellido. Tengo curiosidad acerca de cuánta información puede extraer de un nombre, utilizando conjuntos de datos disponibles públicamente. Sé que puede obtener lo siguiente en cualquier lugar entre una probabilidad baja-alta (dependiendo de la entrada) utilizando los datos del censo de EE. …

11 dataset  data-mining  census 

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 el año pasado . ¿Qué implementaciones de código abierto, en cualquier idioma, existen que puedan calcular las rutas de regularización …

11 regression  lasso  regularization 

Quiero implementar (en R) el siguiente Modelo lineal dinámico muy simple para el que tengo 2 parámetros variables de tiempo desconocidos (la varianza del error de observación y la varianza del error de estado ).ϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Ytθt+1==θt+ϵ1tθt+ϵ2tYt=θt+ϵt1θt+1=θt+ϵt2 \begin{matrix} Y_t & = & \theta_t + \epsilon^1_t\\ \theta_{t+1} & = & \theta_{t}+\epsilon^2_t \end{matrix} …

11 r  mcmc  dlm  particle-filter 

Esto es solo para mi proyecto de último año de secundaria, por lo que no tiene que ser perfecto. Estoy haciendo un proyecto sobre el calentamiento global y quiero encuestar a las personas para conocer sus opiniones. Sé que si uso una muestra de conveniencia de mis compañeros de clase, …

11 survey  internet 

Tengo un marco de datos como el siguiente: case simulation temp plank oxygen 1 1 1 8 7 11 2 2 1 16 10 15 ... 17 17 2 26 12 17 18 18 2 15 8 12 19 19 2 28 11 21 20 20 2 24 6 14 …

11 r 

Si elige analizar un diseño de control de tratamiento previo y posterior con una variable dependiente continua utilizando un ANOVA mixto, hay varias formas de cuantificar el efecto de estar en el grupo de tratamiento. El efecto de interacción es una opción principal. En general, me gustan particularmente las medidas …

11 anova  mixed-model  effect-size  cohens-d 

Acabo de notar cómo la prueba de McNemar no exacta utiliza la distribución asintótica de chi cuadrado. Pero dado que la prueba exacta (para la tabla de dos casos) se basa en la distribución binomial, ¿por qué no es común sugerir la aproximación normal a la distribución binomial? Gracias.

11 distributions  binomial  chi-squared  normal-distribution 

[ediciones realizadas en respuesta a comentarios- gracias :-)] Doh! Más ediciones! ¡Lo siento! Hola- Estoy haciendo una recopilación de datos bastante tosca y lista con una encuesta enviada al personal de atención médica utilizando una escala publicada sobre la moral y otros temas similares. Lo único es que la escala …

11 psychometrics  scales  reliability  likert