Estadísticas y Big Data

Para una regresión lineal con múltiples grupos (grupos naturales definidos a priori), ¿es aceptable ejecutar dos modelos diferentes en el mismo conjunto de datos para responder las siguientes dos preguntas? ¿Cada grupo tiene una pendiente distinta de cero y una intersección distinta de cero y cuáles son los parámetros para …

10 r  regression  multiple-comparisons  inference  ancova 

La estadística de razón de probabilidad (también conocida como desviación) y la prueba de falta de ajuste (o bondad de ajuste) es bastante sencilla de obtener para un modelo de regresión logística (ajuste usando la función) en R. Sin embargo, puede ser Es fácil tener algunos recuentos de células lo …

10 r  chi-squared  logistic  generalized-linear-model  goodness-of-fit 

Supongamos que tenemos el siguiente conjunto de datos: Men Women Dieting 10 30 Non-dieting 5 60 Si ejecuto la prueba exacta de Fisher en R, ¿qué implica alternative = greater(o menos)? Por ejemplo: mat = matrix(c(10,5,30,60), 2,2) fisher.test(mat, alternative="greater") Tengo el p-value = 0.01588y odds ratio = 3.943534. Además, cuando …

10 r  statistical-significance  contingency-tables  fishers-exact 

Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Digamos que tengo una serie de series de tiempo, por ejemplo, varios registros de temperatura de varias estaciones en una región. Quiero obtener un único registro de temperatura para toda la región con el que pueda describir aspectos del clima regional. El enfoque intuitivo podría ser simplemente tomar el promedio …

10 time-series  climate 

¿Cuál es la relación óptima caso / control en un estudio de casos y controles? ¿Por qué la mayoría de los libros de texto o monografías sugieren que es más de 1? ¿Puede ser menos de 1 (¿cuáles son los inconvenientes?) Gracias.

10 case-control-study 

En ecología, a menudo usamos la ecuación de crecimiento logístico: Nt=KN0ertK+N0ert−1Nt=KN0ertK+N0ert−1 N_t = \frac{ K N_0 e^{rt} }{K + N_0 e^{rt-1}} o Nt=KN0N0+(K−N0)e−rtNt=KN0N0+(K−N0)e−rt N_t = \frac{ K N_0}{N_0 + (K -N_0)e^{-rt}} donde es la capacidad de carga (densidad máxima alcanzada), N 0 es la densidad inicial, r es la tasa …

10 r  distributions  pdf  ecology 

Primero, permítanme reconocer por adelantado que no estoy tan versado en estadística y matemáticas como me gustaría estar. Algunos podrían decir que tienen el conocimiento suficiente para ser peligrosos. : DI me disculpo si no estoy usando la terminología correctamente. Estoy tratando de modelar las probabilidades de un sistema en …

10 markov-process  conditional-probability 

Actualmente estoy discutiendo con alguien sobre cómo tratar correctamente los datos con múltiples mediciones para cada sujeto. En este caso, se recopilaron datos para cada sujeto en un corto período de tiempo para diferentes condiciones dentro de cada sujeto. Todas las mediciones reúnen exactamente la misma variable, solo múltiples. Una …

10 spss  repeated-measures 

La mayoría de las situaciones, solo tratamos con una variable de resultado / respuesta como . Sin embargo, en algunos escenarios, especialmente en los datos clínicos, las variables de resultado pueden ser de alta dimensión / multivariadas. Tal como Y = β x + ϵ , donde Y contiene variables …

10 r  cross-validation 

En una ecuación de regresión múltiple lineal, si los pesos beta reflejan la contribución de cada variable independiente individual más allá de la contribución de todos los otros IV, ¿dónde en la ecuación de regresión es la varianza compartida por todos los IV que predice el DV? Por ejemplo, si …

10 multiple-regression  sums-of-squares 

Tengo una matriz , donde p es el número de genes yn es el número de pacientes. Cualquiera que haya trabajado con estos datos sabe que p siempre es mayor que n . Usando la selección de características, pude obtener p a un número más razonable, sin embargo, p es …

10 correlation  pca  genetics  covariance  distance-functions 

Estoy creando un sistema de recomendación y quiero incorporar tanto las calificaciones de los usuarios "similares" como las características de los elementos. La salida es una calificación prevista [0-1]. Estoy considerando una red neuronal (para empezar). Por lo tanto, las entradas son una combinación de las características de los elementos …

10 recommender-system 

Gelman y Hill (2006) dicen: En Bugs, los resultados faltantes en una regresión se pueden manejar fácilmente simplemente incluyendo el vector de datos, NA y todo. Los errores modelan explícitamente la variable de resultado, por lo que es trivial usar este modelo para, en efecto, imputar valores faltantes en cada …

10 missing-data  bugs  jags 

Estoy usando un bosque aleatorio en datos agrupados de alta dimensión (50 variables de entrada numéricas) que tienen una estructura jerárquica. Los datos se recopilaron con 6 repeticiones en 30 posiciones de 70 objetos diferentes, lo que resultó en 12600 puntos de datos, que no son independientes. Parece que el …

10 regression  random-forest