Estadísticas y Big Data

Supongamos que me dan dos grupos de medidas de masa (en mg), que se denominan y1 e y2. Quiero hacer una prueba para determinar si las dos muestras provienen de poblaciones con diferentes medios. Algo como esto, por ejemplo (en R): y1 <- c(10.5,2.9,2.0,4.4,2.8,5.9,4.2,2.7,4.7,6.6) y2 <- c(3.8,4.3,2.8,5.0,9.3,6.0,7.6,3.8,6.8,7.9) t.test(y1,y2) Obtengo un …

11 hypothesis-testing 

Estoy buscando recomendaciones de libros sobre calificación crediticia. Estoy interesado en todos los aspectos de este problema, pero principalmente en: 1) Buenas características. ¿Cómo construirlos? ¿Cuáles han demostrado ser buenos? 2) Redes neuronales. Su aplicación al problema de calificación crediticia. 3) Elegí redes neuronales, pero también estoy interesado en otros …

11 references  finance  credit-scoring 

Estoy calculando la covarianza de una distribución en paralelo y necesito combinar los resultados distribuidos en gaussiano singular. ¿Cómo combino los dos? La interpolación lineal entre los dos casi funciona, si están distribuidos y dimensionados de manera similar. Wikipedia proporciona una forumla en la parte inferior para la combinación, pero …

11 covariance  moments 

¿Cuál es el significado de t valuey Pr(>|t|)cuando se usa la summary()función en el modelo de regresión lineal en R? Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 10.1595 1.3603 7.469 1.11e-13 *** log(var) 0.3422 0.1597 2.143 0.0322 *

11 r  regression  generalized-linear-model 

Estoy tratando de planificar un plan de estudio para aprender MLE. Para hacer esto, estoy tratando de averiguar cuál es el nivel mínimo de cálculo que es necesario para comprender MLE. ¿Es suficiente entender los conceptos básicos del cálculo (es decir, encontrar el mínimo y el máximo de funciones) para …

11 estimation  mathematical-statistics  maximum-likelihood 

Con respecto a la ponderación de puntaje de propensión (IPTW) al realizar el modelado de riesgo proporcional de Cox de los datos de supervivencia del tiempo hasta el evento: Tengo datos de registro prospectivos en los que estamos interesados ​​en observar el efecto del tratamiento de un medicamento que en …

11 r  survival  cox-model  propensity-scores 

Estoy intentando modelar una variable de respuesta que está teóricamente limitada entre -225 y +225. La variable es la puntuación total que obtuvieron los sujetos al jugar un juego. Aunque en teoría es posible que los sujetos obtengan un puntaje de +225. A pesar de esto porque el puntaje no …

11 regression  data-transformation  beta-distribution  bounds  beta-regression 

Me gustaría comparar 2 clasificadores diferentes para un problema de clasificación de texto multiclase que utiliza grandes conjuntos de datos de entrenamiento. Dudo si debo usar curvas ROC o curvas de aprendizaje para comparar los 2 clasificadores. Por un lado, las curvas de aprendizaje son útiles para decidir el tamaño …

11 machine-learning  classification  roc  accuracy 

Tengo un cuadrado 2D y tengo un conjunto de puntos dentro, digamos, 1000 puntos. Necesito una forma de ver si la distribución de puntos dentro del cuadrado está extendida (o más o menos uniformemente distribuida) o si tienden a reunirse en algún lugar dentro del cuadrado. Necesito una forma matemática …

11 distributions  probability  spatial  point-process 

Tengo grandes datos de encuestas, una variable de resultado binaria y muchas variables explicativas, incluidas las binarias y las continuas. Estoy creando conjuntos de modelos (experimentando con GLM y GLM mixto) y utilizando enfoques teóricos de información para seleccionar el modelo superior. Examiné cuidadosamente las explicaciones (tanto continuas como categóricas) …

11 regression  logistic  data-transformation  skewness 

¿Cómo la media armónica maneja los valores cero? ¿Cuál sería la media armónica de {3, 4, 5, 0} desde ?1 / 0 = ∞1/0=∞1/0=\infty

11 mean  average  harmonic-mean 

Estoy tratando de agrupar inteligentemente una colección ordenada. Tengo una colección de piezas de datos. Pero sé que estos datos se ajustan a contenedores de tamaños desiguales. No sé cómo elegir inteligentemente los puntos finales para que se ajusten adecuadamente a los datos. por ejemplo:nnnmmm Digamos que tengo 12 elementos …

11 clustering  histogram  binning 

Estoy observando patrones extraños en residuos para mis datos: [EDITAR] Aquí están los gráficos de regresión parcial para las dos variables: [EDIT2] Se agregó la trama PP La distribución parece estar funcionando bien (ver más abajo) pero no tengo idea de dónde podría provenir esta línea recta. ¿Algunas ideas? [ACTUALIZACIÓN …

11 regression  multiple-regression  residuals  diagnostic 

Tengo un grupo de tratamiento de tamaño 30 (30 escuelas en California) que utilizó un software complementario de matemáticas. En un análisis simple, me gustaría comparar el crecimiento promedio de matemáticas de los estudiantes entre nuestro grupo de tratamiento y un grupo de control comparable. Hay muchas escuelas en California …

11 mathematical-statistics  descriptive-statistics  computational-statistics 

La forma más simple de la información teórica CLT es la siguiente: Sea X1, X2, ...X1,X2,…X_1, X_2,\dots iid con media 0 000 y varianza 111 . Sea Fnortefnf_n la densidad de la suma normalizada ∑nortei = 1Xyonorte√∑i=1nXin\frac{\sum_{i=1}^n X_i}{\sqrt{n}}ϕϕ\phin D ( f n ‖ ϕ ) → 0 n → ∞D …

11 mathematical-statistics  information-theory  central-limit-theorem