Estadísticas y Big Data

He correr a través de la afirmación de que cada muestra bootstrap (o árbol de embolsado) contendrán en promedio aproximadamente 2/32/32/3 de las observaciones. Yo entiendo que la posibilidad de no ser seleccionado en cualquiera de nnn extrae de nnn muestras con reemplazo es (1−1/n)n(1−1/n)n(1- 1/n)^n , lo que equivale …

42 bootstrap 

Estoy confundido. No entiendo la diferencia entre un proceso ARMA y un proceso GARCH ... para mí existen los mismos no? Aquí está el proceso (G) ARCH (p, q) σ2t=α0+∑i=1qαir2t−iARCH+∑i=1pβiσ2t−iGARCHσt2=α0+∑i=1qαirt−i2⏟ARCH+∑i=1pβiσt−i2⏟GARCH\sigma_t^2 = \underbrace{ \underbrace{ \alpha_0 + \sum_{i=1}^q \alpha_ir_{t-i}^2} _{ARCH} + \sum_{i=1}^p\beta_i\sigma_{t-i}^2} _{GARCH} Y aquí está el ARMA ( p,qp,qp, q ): …

42 arima  garch  finance 

Resumen breve ¿Por qué es más común que la regresión logística (con odds ratios) se use en estudios de cohortes con resultados binarios, en comparación con la regresión de Poisson (con riesgos relativos)? Fondo Los cursos de estadística y epidemiología de pregrado y posgrado, en mi experiencia, generalmente enseñan que …

42 logistic  poisson-distribution  epidemiology  odds-ratio  relative-risk 

Comprendo la diferencia entre el aprendizaje automático / otras técnicas predictivas estadísticas versus el tipo de estadísticas que usan los científicos sociales (por ejemplo, economistas) es que los economistas parecen muy interesados ​​en comprender el efecto de una o varias variables, tanto en términos de magnitud y detectar si la …

42 machine-learning  econometrics 

El análisis de componentes principales puede usar la descomposición de la matriz, pero eso es solo una herramienta para llegar allí. ¿Cómo encontrarías los componentes principales sin el uso de álgebra matricial? ¿Cuál es la función objetivo (meta) y cuáles son las restricciones?

42 pca 

Tengo una muestra aleatoria de variables aleatorias de Bernoulli , donde X i son iidrv y P ( X i = 1 ) = p , y p es un parámetro desconocido.X1. . . XnorteX1...XNX_1 ... X_NXyoXiX_iPAGS( Xyo= 1 ) = pP(Xi=1)=pP(X_i = 1) = ppagspp Obviamente, se puede encontrar …

42 confidence-interval  binomial  bernoulli-distribution 

Actualmente estoy leyendo un documento sobre el lugar de votación y la preferencia de votación en las elecciones de 2000 y 2004. En él, hay un gráfico que muestra los coeficientes de regresión logística. De cursos de años atrás y un poco de lecturaEntiendo que la regresión logística es una …

42 regression  logistic  interpretation 

Mi lugar de trabajo tiene empleados de una amplia gama de disciplinas, por lo que generamos datos en muchas formas diferentes. En consecuencia, cada equipo ha desarrollado su propio sistema para almacenar datos. Algunos usan bases de datos Access o SQL; algunos equipos (para mi horror) dependen casi por completo …

42 dataset  reproducible-research  quality-control 

Además de tomar las diferencias, ¿cuáles son otras técnicas para hacer una serie temporal no estacionaria, estacionaria? Normalmente, uno se refiere a una serie como " integrada de orden p " si puede hacerse estacionaria a través de un operador de retraso .(1−L)PXt(1−L)PXt(1-L)^P X_t

42 time-series  stationarity 

Me pregunto si alguien podría sugerir cuáles son buenos puntos de partida cuando se trata de realizar detección comunitaria / partición / agrupación de gráficos en un gráfico que tiene bordes ponderados y no dirigidos . El gráfico en cuestión tiene aproximadamente 3 millones de aristas y cada arista expresa …

42 clustering  data-visualization  networks  partitioning  modularity 

¿Cómo debo obtener distribuciones previas de expertos al ajustar un modelo bayesiano?

42 bayesian  prior  elicitation 

Usualmente escucho sobre "mínimos cuadrados ordinarios". ¿Es ese el algoritmo más utilizado para la regresión lineal? ¿Hay razones para usar una diferente?

42 regression  least-squares  algorithms  computational-statistics  numerics 

Supongamos que quiero aprender un clasificador que predice si un correo electrónico es spam. Y supongamos que solo el 1% de los correos electrónicos son spam. Lo más fácil sería aprender el clasificador trivial que dice que ninguno de los correos electrónicos son spam. Este clasificador nos daría un 99% …

42 machine-learning  classification 

Hay dos vectores booleanos, que contienen solo 0 y 1. Si calculo la correlación de Pearson o Spearman, ¿son significativas o razonables?

42 correlation  binary-data  pearson-r  spearman-rho 

Tengo una pregunta sobre cuál es la mejor manera de especificar una interacción en un modelo de regresión. Considere los siguientes datos: d <- structure(list(r = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("r1","r2"), class …

42 r  regression  interaction