Estadísticas y Big Data

¿Cuál es la razón, si la hay, para usar el Análisis discriminante (DA) en los resultados de un algoritmo de agrupamiento como k-means, como lo veo de vez en cuando en la literatura (esencialmente sobre el subtipo clínico de los trastornos mentales)? Por lo general, no se recomienda probar las …

10 clustering  discriminant-analysis 

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 2 años . Me gustaría aprender a usar Rcpp . Revisé los documentos en el sitio web de CRAN …

10 r  c++ 

Estoy comparando dos grupos de mutantes, cada uno de los cuales puede tener solo uno de los 21 fenotipos diferentes. Me gustaría ver si la distribución de estos resultados es similar entre dos grupos. Encontré una prueba en línea que calcula la "prueba de Chi-cuadrado para la igualdad de distribuciones" …

10 distributions  chi-squared  contingency-tables 

Tengo que hacer una regresión logística binaria con muchas variables independientes. La mayoría de ellos son binarios, pero algunas de las variables categóricas tienen más de dos niveles. ¿Cuál es la mejor manera de lidiar con tales variables? Por ejemplo, para una variable con tres valores posibles, supongo que se …

10 logistic  categorical-data  spss  ordinal-data  categorical-encoding 

Quiero pronosticar artículos minoristas (por semana) usando suavizado exponencial. Ahora mismo estoy atascado en cómo calcular, almacenar y aplicar los índices de sesonidad. El problema es que todos los ejemplos que he encontrado tratan con una especie de estacionalidad simple. En mi caso, tengo los siguientes problemas: 1. Las estaciones …

10 time-series  seasonality 

Si se está probando una hipótesis de homocedasticidad, hay disponibles pruebas paramétricas (prueba de Bartlett de homogeneidad de varianzas bartlett.test) y no paramétricas (prueba de Figner-Killeen de homogeneidad de varianzas fligner.test). ¿Cómo saber qué tipo usar? ¿Debería esto depender, por ejemplo, de la normalidad de los datos?

10 r  variance  heteroscedasticity  misspecification 

El diagrama qq se puede usar para visualizar cuán similares son dos distribuciones (por ejemplo, visualizar la similitud de una distribución con una distribución normal, pero también para comparar dos distribuciones de datos artibrary). ¿Hay alguna estadística que genere una medida numérica más objetiva que represente su similitud (preferiblemente en …

10 distributions  qq-plot 

Tengo los resultados de una prueba de sangre administrada a 2500 personas cuatro veces a intervalos de seis meses. Los resultados consisten principalmente en dos medidas de respuesta inmune: una en presencia de ciertos antígenos de tuberculosis y otra en ausencia. Actualmente, cada prueba se evalúa como positiva o negativa …

10 repeated-measures 

Estoy examinando algunos datos de cobertura genómica que son básicamente una larga lista (unos pocos millones de valores) de enteros, cada uno de los cuales dice cuán bien (o "profunda") está cubierta esta posición en el genoma. Me gustaría buscar "valles" en estos datos, es decir, regiones que son significativamente …

10 r  distributions  statistical-significance  data-visualization 

Necesito definir qué es una prueba de independencia, sin el uso de términos muy estadísticos.

10 hypothesis-testing  independence  definition 

Estoy haciendo una estimación de densidad de Kernel, con un conjunto de puntos ponderados (es decir, cada muestra tiene un peso que no es necesario), en N dimensiones. Además, estas muestras están solo en un espacio métrico (es decir, podemos definir una distancia entre ellas) pero nada más. Por ejemplo, …

10 pdf  smoothing  kernel-smoothing 

¿Qué material de aprendizaje sugeriría para una persona de CS / estadístico novato / matemático novato para entrar en análisis predictivo?

10 references  predictive-models 

Cuando llevo a cabo la regresión lineal múltiple de OLS, en lugar de graficar los residuos contra valores ajustados, grafo los residuales Studentizados (internos) contra valores ajustados (lo mismo para las covariables). Estos residuos se definen como: e∗i=eis2(1−hii)−−−−−−−−−√ei∗=eis2(1−hii)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} donde es el residuo y son los …

10 regression  residuals  diagnostic 

Estoy buscando la distribución limitante de la distribución multinomial sobre los resultados d. IE, la distribución de lo siguiente limn → ∞norte- 12Xnortelimn→∞n−12Xn\lim_{n\to \infty} n^{-\frac{1}{2}} \mathbf{X_n} Donde XnorteXn\mathbf{X_n} es una variable aleatoria de valor vectorial con densidad Fnorte( x )fn(x)f_n(\mathbf{x}) para Xx\mathbf{x} modo que ∑yoXyo= n∑ixi=n\sum_i x_i=n , Xyo∈ Z …

10 asymptotics  multinomial 

Necesito analizar con R los datos de una encuesta médica (con más de 100 columnas codificadas) que viene en un CSV. Voy a utilizar sonajero para algunos análisis inicial pero detrás de las escenas es todavía R. Si leo el archivo .csv () , las columnas con códigos numéricos se …

10 r  categorical-data  data-transformation