Estadísticas y Big Data

Actualmente utilizo el siguiente proceso para iniciar una serie de tiempo multivariante en R: Determine los tamaños de bloque: ejecute la función b.staren el nppaquete que produce un tamaño de bloque para cada serie Seleccione el tamaño máximo de bloque Ejecutar tsbooten cualquier serie usando el tamaño de bloque seleccionado …

11 r  time-series  multivariate-analysis  bootstrap 

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 hace 7 años . Me gustaría convertir una variable de factor en una numérica, pero as.numericno tiene el efecto que …

11 r  data-transformation 

Tengo dos conjuntos de datos donde tengo ~ 250,000 valores para 78 y 35 muestras. Algunas de las muestras son miembros de una familia y esto puede tener un efecto en los datos. He calculado la correlación por pares y varía entre 0.7 y 0.95, pero me gustaría saber si …

11 correlation  cross-correlation  intraclass-correlation 

En el artículo de Wikipedia sobre el intervalo creíble , dice: Para el caso de un solo parámetro y datos que se pueden resumir en una sola estadística suficiente, se puede demostrar que el intervalo creíble y el intervalo de confianza coincidirán si el parámetro desconocido es un parámetro de …

11 confidence-interval  credible-interval 

Me parece que para elegir las herramientas estadísticas correctas, primero tengo que identificar si mi conjunto de datos es discreto o continuo. ¿Podría importarme enseñarme cómo puedo probar si los datos son discretos o continuos con R?

11 r  continuous-data  discrete-data 

¿Alguien sabe cuál es la fórmula para la distancia de Cook? La fórmula original de distancia de Cook usa residuos estudiados, pero ¿por qué R usa std? Residuos de Pearson al calcular el diagrama de distancia de Cook para un GLM. Sé que los residuos estudiados no están definidos para …

11 r  regression  generalized-linear-model  residuals  cooks-distance 

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 hace 6 años . En un marco de datos, me gustaría obtener el índice de la columna por nombre. Por …

11 r 

Tengo un conjunto de sistemas donde se acumulan incertidumbres dentro de él. Estos no siempre son puramente aditivos, a veces lo son, a veces no lo son. He tenido cierto éxito en el uso de gráficos de abanicos, gráficos de barras con intervalos de confianza y diagramas de cajas para …

11 data-visualization  confidence-interval  uncertainty 

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 hace 7 años . Estoy tratando de normalizar un conjunto de columnas de datos en una hoja de cálculo de …

11 excel 

He ajustado los modelos ARIMA a la serie temporal original, y el mejor modelo es ARIMA (1,1,0). Ahora quiero simular la serie de ese modelo. Escribí el modelo AR (1) simple, pero no podía entender cómo ajustar la diferencia dentro del modelo ARI (1,1,0). El siguiente código R para la …

11 r  time-series  arima 

Dejar: Desviación estándar de la variable aleatoria A = σ1= 5A=σ1=5A =\sigma_{1}=5 Desviación estándar de la variable aleatoria B = σ2= 4B=σ2=4B=\sigma_{2}=4 Entonces la varianza de A + B es: Va r ( w1A + w2B ) = w21σ21+ w22σ22+ 2 w1w2pag1 , 2σ1σ2Var(w1A+w2B)=w12σ12+w22σ22+2w1w2p1,2σ1σ2Var(w_{1}A+w_{2}B)= w_{1}^{2}\sigma_{1}^{2}+w_{2}^{2}\sigma_{2}^{2} +2w_{1}w_{2}p_{1,2}\sigma_{1}\sigma_{2} Dónde: es la correlación …

11 random-variable 

Descargo de responsabilidad: publiqué esta pregunta en Stackoverflow, pero pensé que quizás esto sea más adecuado para esta plataforma. ¿Cómo prueba su propia implementación de k-means para conjuntos de datos multidimensionales? Estaba pensando en ejecutar una implementación ya existente (es decir, Matlab) en los datos y comparar los resultados con …

11 clustering  algorithms 

Tengo dos poblaciones, una con N = 38.704 (número de observaciones) y otra con N = 1.313.662. Estos conjuntos de datos tienen ~ 25 variables, todas continuas. Tomé la media de cada uno en cada conjunto de datos y calculé el estadístico de prueba usando la fórmula t = diferencia …

11 t-test 

La expansión Cornish-Fisher proporciona una forma de estimar los cuantiles de una distribución basada en momentos. (En este sentido, lo veo como un complemento de la Expansión de Edgeworth , que da una estimación de la distribución acumulativa basada en momentos). Me gustaría saber en qué situaciones preferiría la expansión …

11 distributions  quantiles  finance 

Estoy tratando de resumir lo que entendí hasta ahora en el análisis multivariado penalizado con conjuntos de datos de alta dimensión, y todavía me cuesta obtener una definición adecuada de la penalización de umbral suave frente a la penalización Lasso (o ).L1L1L_1 Más precisamente, utilicé una regresión PLS dispersa para …

11 multivariate-analysis  lasso  feature-selection  genetics