Estadísticas y Big Data

Recientemente comencé a usar la validación cruzada de muestreo de importancia suavizada Pareto (PSIS-LOO), descrita en estos documentos: Vehtari, A. y Gelman, A. (2015). Pareto suavizó el muestreo de importancia. preimpresión arXiv ( enlace ). Vehtari, A., Gelman, A. y Gabry, J. (2016). Evaluación práctica del modelo bayesiano utilizando validación …

10 machine-learning  cross-validation  mcmc  pareto-distribution  importance-sampling 

Pregunta rápida: He visto que Cohen d calculó dos formas diferentes para una prueba t de muestras dependientes (por ejemplo, el diseño dentro de las muestras prueba la eficacia de un medicamento con puntos de tiempo pre / post). Usando la desviación estándar de la puntuación de cambio en el …

10 t-test  effect-size 

¿Cuáles son los enfoques habituales para modelar series de tiempo binarias? ¿Hay un libro de papel o de texto donde se trata esto? Pienso en un proceso binario con fuerte autocorrelación. Algo así como el signo de un proceso AR (1) que comienza en cero. Diga y con ruido blanco …

10 regression  time-series  logistic  binary-data  autoregressive 

He visto muchos casos en los que los errores de tipo I se tienen en cuenta (denotado por un valor alfa) en varios artículos de investigación. He encontrado raro que un investigador tome en consideración el poder o el error tipo II. Los errores de tipo II pueden ser un …

10 hypothesis-testing  type-i-and-ii-errors 

Support Vector Machines con núcleo de función de base radial es un clasificador supervisado de propósito general. Si bien conozco los fundamentos teóricos de estos SVM y sus puntos fuertes, no conozco los casos en los que son el método preferido. Entonces, ¿hay una clase de problemas para los cuales …

10 machine-learning  logistic  classification  svm  random-forest 

¿Existe una prueba de hipótesis de si una variable dependiente distribuida normalmente está asociada con una variable distribuida direccionalmente ? Por ejemplo, si la variable explicativa es la hora del día (y asumiendo que cosas como el día de la semana, el mes del año, etc. son irrelevantes), esa es …

10 hypothesis-testing  modeling  circular-statistics 

Estoy entrenando una regresión logística para predecir qué corredores tienen más probabilidades de terminar una agotadora carrera de resistencia. Muy pocos corredores completan esta carrera, por lo que tengo un grave desequilibrio de clase y una pequeña muestra de éxitos (tal vez unas pocas docenas). Siento que podría obtener una …

10 logistic  binary-data  continuous-data 

El teorema de Rao-Blackwell afirma Sea un estimador de \ theta con \ Bbb E (\ hat {\ theta} ^ 2) <\ infty para todos \ theta . Suponga que T es suficiente para \ theta , y deje que \ theta ^ * = \ Bbb E (\ hat …

10 rao-blackwell 

Usé la regresión logística. Tengo seis características, quiero conocer las características importantes en este clasificador que influyen en el resultado más que otras características. Usé Information Gain pero parece que no depende del clasificador utilizado. ¿Existe algún método para clasificar las características según su importancia en función de un clasificador …

10 logistic  feature-selection  ranking  regression-strategies 

¿Cómo explicaría el concepto de media, mediana y modo de una lista de números y por qué son importantes para alguien con solo habilidades aritméticas básicas? No mencionemos la asimetría, CLT, tendencia central, sus propiedades estadísticas, etc. Le he explicado a alguien que eso significa que es solo una forma …

10 mean  descriptive-statistics  median  mode 

Cuando se realiza una regresión lineal bayesiana, hay que asignar un previa para la pendiente y la intersección . Como es un parámetro de ubicación, tiene sentido asignar un uniforme previo; sin embargo, me parece que es similar a un parámetro de escala y no parece natural asignarle un uniforme …

10 regression  bayesian  uninformative-prior 

En Wikidata es posible vincular distribuciones de probabilidad (como todo lo demás) en una ontología, por ejemplo, que la distribución t es una subclase de la distribución t no central, ver, por ejemplo, https://angryloki.github.io/wikidata-graph-builder/?property=P279&item=Q209675&iterations=3&limit=3 Existen varios casos limitantes, por ejemplo, cuando los grados de libertad en la distribución t llegan …

10 distributions  normal-distribution  dirac-delta 

¿Cómo llamarías a este tipo de trama, y ​​es posible crearlos en R? EDITAR: muchas gracias a todos, muy útil. Mejor título hasta ahora: ¡tramas de violín cuantizadas!

10 r  data-visualization 

Estoy leyendo un libro sobre sabermetría, específicamente Mathletics de Wayne Winston, y en el primer capítulo presenta una cantidad que se puede usar para predecir la tasa de victorias de los equipos: y parece insinuar que, a mitad de temporada, puede usarse para predecir la tasa de ganancias mejor que …

10 maximum-likelihood  inference 

Supongamos que tengo una red neuronal simple de una sola capa, con n entradas y una única salida (tarea de clasificación binaria). Si configuro la función de activación en el nodo de salida como una función sigmoidea, entonces el resultado es un clasificador de Regresión logística. En este mismo escenario, …

10 neural-networks  svm