Estadísticas y Big Data

Leí en un periódico la siguiente oración: El hecho de que haya una diferencia entre los coeficientes a corto y largo plazo es el resultado de nuestra especificación que incluye variables endógenas rezagadas. Ejecutan una regresión en las primeras diferencias e incluyen un retraso de la variable dependiente. Ahora argumentan …

10 regression  time-series  lags 

El siguiente es un nomograma creado a partir del conjunto de datos mtcars con el paquete rms para la fórmula: mpg ~ wt + am + qsec El modelo en sí parece bueno con R2 de 0.85 y P <0.00001 > mod Linear Regression Model ols(formula = mpg ~ wt …

10 regression  multiple-regression  data-visualization  predictive-models  regression-strategies 

El estadístico de prueba de Durbin-Watson puede encontrarse en una región no concluyente, donde no es posible rechazar o no rechazar la hipótesis nula (en este caso, de autocorrelación cero). ¿Qué otras pruebas estadísticas pueden producir resultados "no concluyentes"? ¿Existe una explicación general (agitar las manos está bien) por qué …

10 hypothesis-testing  statistical-significance  decision-theory 

Estoy casi seguro de que ya he visto el siguiente resultado en las estadísticas, pero no puedo recordar dónde. Si es una variable aleatoria positiva y entonces cuando , donde es el cdf de .XXXE(X)&lt;∞E(X)&lt;∞\mathbb{E}(X)<\inftyεF−1(1−ε)→0εF−1(1−ε)→0\varepsilon F^{-1}(1-\varepsilon) \to 0ε→0+ε→0+\varepsilon\to 0^+FFFXXX Esto es fácil de ver geométricamente usando la igualdad y considerando …

10 references  quantiles  cdf  moments 

Entonces tengo un modelo binario donde es la variable latente no observada y la observada. determina y es mi instrumento. En resumen, el modelo es. Dado que los términos de error no son independientes, Hago uso de un modelo probit IV.y∗1y1∗y_1^*y1∈{0,1}y1∈{0,1}y_1 \in \{0,1\}y2y2y_2y1y1y_1z2z2z_2y∗1y2y1===δ1z1+α1y2+u1δ21z1+δ22z2+v2=zδ+v21[y∗&gt;0]y1∗=δ1z1+α1y2+u1y2=δ21z1+δ22z2+v2=zδ+v2y1=1[y∗&gt;0]\begin{eqnarray} y_1^*&=& \delta_1 z_1 + \alpha_1 y_2 + …

10 maximum-likelihood  econometrics  probit 

Tengo los siguientes vectores X e Y simples: &gt; X [1] 1.000 0.063 0.031 0.012 0.005 0.000 &gt; Y [1] 1.000 1.000 1.000 0.961 0.884 0.000 &gt; &gt; plot(X,Y) Quiero hacer una regresión usando el registro de X. Para evitar obtener el registro (0), trato de poner +1 o +0.1 …

10 r  regression  lognormal 

Pido disculpas por el ligero abuso de la terminología; Espero que quede claro lo que quiero decir a continuación. Considere una variable aleatoria . Tanto la media como la mediana pueden caracterizarse por un criterio de optimización: la media es ese número que minimiza , y la mediana ese número …

10 mean  median 

En la sección 7 del documento Random Forests (Breiman, 1999), el autor declara la siguiente conjetura: "Adaboost es un bosque aleatorio". ¿Alguien ha probado o refutado esto? ¿Qué se ha hecho para probar o refutar esta publicación de 1999?

10 machine-learning  random-forest  boosting 

Entiendo que el entrenamiento previo se usa para evitar algunos de los problemas con la capacitación convencional. Si uso la retropropagación con, por ejemplo, un codificador automático, sé que voy a encontrar problemas de tiempo porque la retropropagación es lenta, y también que puedo quedar atrapado en los óptimos locales …

10 machine-learning  neural-networks  backpropagation  rbm  pre-training 

Imagine una situación: tenemos registros históricos (20 años) de tres minas. ¿La presencia de plata aumenta la probabilidad de encontrar oro en el próximo año? ¿Cómo probar tal pregunta? Aquí hay datos de ejemplo: mine_A &lt;- c("silver","rock","gold","gold","gold","gold","gold", "rock","rock","rock","rock","silver","rock","rock", "rock","rock","rock","silver","rock","rock") mine_B &lt;- c("rock","rock","rock","rock","silver","rock","rock", "silver","gold","gold","gold","gold","gold","rock", "silver","rock","rock","rock","rock","rock") mine_C &lt;- c("rock","rock","silver","rock","rock","rock","rock", "rock","silver","rock","rock","rock","rock","silver", "gold","gold","gold","gold","gold","gold") time …

10 r  time-series  hypothesis-testing  stochastic-processes 

Tengo una matriz , que contiene mis muestras en el espacio -dimensional. Ahora deseo codificar mi propio análisis de componentes principales (PCA) en Matlab. Debo decir a primero.X N = 20 D = 100 X X 020 × 10020×10020\times100XXXnorte= 20N=20N=20D = 100D=100D=100XXXX0 0X0X_0 Leí en el código de alguien que …

10 pca 

Estoy realizando pruebas post-hoc en un modelo lineal de efectos mixtos en R( lme4paquete). Estoy usando el multcomppaquete ( glht()función) para realizar las pruebas post-hoc. Mi diseño experimental es de medidas repetidas, con un efecto de bloqueo aleatorio. Los modelos se especifican como: mymod &lt;- lmer(variable ~ treatment * time …

10 mixed-model  post-hoc  lsmeans  lme4-nlme 

Soy analista en el campo financiero y de seguros y cada vez que trato de adaptarme a los modelos de volatilidad obtengo resultados terribles: los residuos son a menudo no estacionarios (en el sentido de la raíz de la unidad) y heterocedasticos (por lo que el modelo no explica la …

10 time-series  garch  volatility-forecasting  arch 

Como se sugiere en el título. Suponga que son variables aleatorias continuas iid con pdf . Considere el evento de que , , entonces es cuando la secuencia disminuye por primera vez. Entonces, ¿cuál es el valor de ?X1,X2,…,XnX1,X2,…,XnX_1, X_2, \dotsc, X_nfffX1≤X2…≤XN−1&gt;XNX1≤X2…≤XN−1&gt;XNX_1 \leq X_2 \dotsc \leq X_{N-1} > X_NN≥2N≥2N \geq …

10 probability  self-study  iid 

Soy un recién llegado en el problema de las comparaciones múltiples. Me pregunto cómo calcular los intervalos de confianza para el método Holm-Bonferroni. Sé que para el método Bonferroni solo podemos cambiar el nivel de confianza de a .1−α1−α1-\alpha1−αm1−αm1-\frac{\alpha}{m} ¿Este método también funciona para Holm-Bonferroni? Edit:Edit:\bf{Edit}: Parece que el método …

10 multiple-comparisons  bonferroni