Estadísticas y Big Data

Si alguna vez hubo un caso en el que esto quedó claro es con el problema de Monty Hall. Incluso el gran Paul Erdos se dejó engañar por este problema. Mi pregunta que puede ser difícil de responder es de qué se trata la probabilidad de que podamos tener tanta …

10 probability  conditional-probability  paradox  heuristic 

Estoy trabajando en la predicción de series de tiempo. Tengo dos conjuntos de datos y . Tengo tres modelos de predicción: . Todos esos modelos se entrenan utilizando muestras en el conjunto de datos , y su rendimiento se mide utilizando las muestras en el conjunto de datos . Digamos …

10 time-series  machine-learning  statistical-significance  classification  model-evaluation 

Estoy interesado en la definición de cuartil que generalmente se usa cuando estás en estadísticas básicas. Tengo un libro de tipo Stat 101 y solo da una definición intuitiva. "Aproximadamente una cuarta parte de los datos cae en o debajo del primer cuartil ..." Pero, da un ejemplo donde calcula …

10 excel  quantiles 

¿Qué son los antecedentes jerárquicos? ¿En qué se diferencian del concepto general de priors?

10 bayesian  multilevel-analysis 

Supongamos que tenemos dos muestras y deseamos determinar si se extraen de la misma distribución, las muestras A, B están compuestas de algunos enteros, por ejemplo. Si probamos esto usando una prueba de permutación de dos muestras, específicamente al observar permutaciones donde las diferencias en las medias de las muestras …

10 permutation-test 

Por favor vea editar. Cuando tiene datos con colas pesadas, hacer una regresión con errores de Student-t parece algo intuitivo. Mientras exploraba esta posibilidad, me encontré con este documento: Breusch, TS, Robertson, JC y Welsh, AH (1 de noviembre de 1997). La nueva vestimenta del emperador: una crítica del modelo …

10 regression  mathematical-statistics  modeling  robust 

¿Existen supuestos particulares con respecto a los errores para la regresión logística, como la variación constante de los términos de error y la normalidad de los residuos? También típicamente cuando tiene puntos que tienen una distancia de Cook mayor a 4 / n, ¿los elimina? Si los elimina, ¿cómo puede …

10 regression  logistic  residuals  diagnostic  cooks-distance 

Pensar en la probabilidad siempre me hace darme cuenta de lo malo que soy contando ... Considere una secuencia de letras base , cada uno con la misma probabilidad de aparecer. ¿Cuál es la probabilidad de que esta secuencia contenga una secuencia particular de pares de bases de interés de …

10 probability  combinatorics 

Tengo una serie temporal (digamos a ), y necesito predecir la siguiente muestra (digamos ) usando el modelo como la red neuronal o la regresión lineal múltiple. En el momento n, tengo toda la muestra de a , y necesito predecir ; en el tiempo , tengo toda la muestra …

10 time-series  prediction-interval 

Un enfoque tradicional de construcción de características para la minería de texto es el enfoque de bolsa de palabras, y puede mejorarse usando tf-idf para configurar el vector de características que caracteriza un documento de texto dado. En la actualidad, estoy tratando de usar el modelo de lenguaje bi-gram o …

10 machine-learning  data-mining  text-mining  natural-language  language-models 

Tengo varias distribuciones (10 distribuciones en la figura a continuación). De hecho, estos son histogramas: hay 70 valores en el eje x que son los tamaños de algunas partículas en una solución y para cada valor de x el valor correspondiente de y es la proporción de partículas cuyo tamaño …

10 clustering 

Un modelo marginal explica la correlación dentro de cada grupo. Un modelo condicional también tiene en cuenta la correlación dentro de cada grupo. Mis preguntas son: ¿Un modelo marginal modela los efectos principales en una población mientras que un modelo condicional modela los efectos principales dentro de un grupo y …

10 repeated-measures  interpretation  regression-coefficients  marginal-model 

Estoy tratando de encontrar la correlación entre una variable dicotómica y una variable continua. De mi trabajo de base en esto, descubrí que tengo que usar una prueba t independiente y la condición previa para ello es que la distribución de la variable debe ser normal. Realicé la prueba de …

10 normal-distribution  categorical-data  continuous-data  kolmogorov-smirnov  association-measure 

Estoy tratando de agrupar, por ejemplo, cadenas sobre programación con otras cadenas sobre programación, cadenas sobre física con otras cadenas sobre física, etc., para una amplia gama de temas. A pesar del aspecto lingüístico teórico deslumbrante del problema, estoy tratando de hacer esto realmente usando programación / software. El resumen: …

10 natural-language  data-mining 

Mi pregunta es si hay algún buen material en línea para aprender esto. Algo que introduce bien las cosas, especialmente los modelos ARMA y las matemáticas relacionadas. Editar: Estoy buscando algo del nivel de pregrado de alta gama. Algo así como en la Introducción a las series de tiempo y …

10 time-series  references  arma