Estadísticas y Big Data

En el caso de estimadores robustos, ¿qué significa eficiencia gaussiana ? Por ejemplo, tiene un 82% de eficiencia gaussiana y un 50% de punto de ruptura.QnorteQnorteQ_{_n} La referencia es: Rousseeuw PJ y Croux, C. (1993). "Alternativas a la desviación media absoluta". J. American Statistical Assoc., 88, 1273-1283

10 normal-distribution  scales  robust 

Supongamos que tengo un modelo de regresión cuadrática Y= β0 0+ β1X+ β2X2+ ϵY=β0 0+β1X+β2X2+ϵ Y = \beta_0 + \beta_1 X + \beta_2 X^2 + \epsilon con los errores satisfaciendo los supuestos habituales (independiente, normal, independiente de los valores de ). Sea las estimaciones de mínimos cuadrados.ϵϵ\epsilonXXXsi0 0, b1, b2si0 …

10 regression  confidence-interval 

Tengo datos sobre el porcentaje de materia orgánica en los sedimentos de los lagos desde 0 cm (es decir, la interfaz sedimento - agua) hasta 9 cm para aproximadamente 25 lagos. En cada lago se tomaron 2 núcleos de cada ubicación, por lo que tengo 2 medidas replicadas del porcentaje …

10 regression  nonlinear-regression 

Estoy ejecutando una gran regresión OLS donde todas las variables independientes (alrededor de 400) son variables ficticias. Si se incluyen todos, existe una multicolinealidad perfecta (la trampa de variable ficticia), por lo que tengo que omitir una de las variables antes de ejecutar la regresión. Mi primera pregunta es, ¿qué …

10 categorical-data 

¿Cuáles son las técnicas estadísticas para crear un conjunto de muestras, que es representativo de toda la población (con un nivel de confianza conocido)? También, ¿Cómo validar, si la muestra se ajusta al conjunto de datos general? ¿Es posible, sin analizar todo el conjunto de datos (que podrían ser miles …

10 sampling  sample-size  validation 

Saludos, Estoy realizando una investigación que ayudará a determinar el tamaño del espacio observado y el tiempo transcurrido desde el Big Bang. ¡Ojalá puedas ayudar! Tengo datos que se ajustan a una función lineal por partes en la que quiero realizar dos regresiones lineales. Hay un punto en el que …

10 regression  change-point 

¿Cuál es el significado de ∥a∥p=(∑ni=1|ai(t)|p)1p‖a‖p=(∑i=1n|ai(t)|p)1p\|a\|_p=\left(\sum _{i=1}^n \left|a_i(t)\right|{}^p\right){}^{\frac{1}{p}} ? Esta fórmula aparece en la quinta página de Un resumen de flujo de datos mejorado: el boceto Count-Min y sus aplicaciones (que se puede encontrar aquí ). Estoy implementando el boceto Count-Min y puedo entender los conceptos básicos muy bien, pero …

10 descriptive-statistics 

Tengo un conjunto de datos que pregunta a las personas si han estado en ciertos lugares (por ejemplo, A, B, C, D), y pueden hacer más de una elección, luego se les extrae una muestra de la nariz para ver si están infectados con algunos enfermedad. Necesito averiguar el riesgo …

10 logistic 

Pregunta: Con una cadena MCMC de 10 dimensiones, digamos que estoy preparado para entregarle una matriz de los sorteos: 100,000 iteraciones (filas) por 10 parámetros (columnas), ¿cómo puedo identificar los modos posteriores? Me preocupan especialmente los modos múltiples. Antecedentes:Me considero un experto en informática, pero cuando un colega me hizo …

10 r  bayesian  mcmc  k-nearest-neighbour  mode 

El libro de estadísticas que estoy leyendo recomienda omega al cuadrado para medir los efectos de mis experimentos. Ya probé usando un diseño de parcela dividida (mezcla de diseño dentro de los sujetos y entre sujetos) que mis factores dentro de los sujetos son estadísticamente significativos con p <0.001 y …

10 r  anova  effect-size  split-plot 

Estoy tratando de interpretar el siguiente tipo de modelo logístico: mdl <- glm(c(suc,fail) ~ fac1 + fac2, data=df, family=binomial) ¿Es la salida de predict(mdl)las probabilidades de éxito esperadas para cada punto de datos? ¿Existe una manera simple de tabular las probabilidades para cada nivel de factor del modelo, en lugar …

10 r  logistic  generalized-linear-model 

¿Qué herramientas modernas (basadas en Windows) sugiere para modelar series de tiempo financieras?

10 modeling  time-series  finance  software 

Dejar que X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n iid variables aleatorias que tienen pdf fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) donde θ>0θ>0\theta >0 . Dar el UMVUE de 1θ1θ\frac{1}{\theta} y calcula su varianza He aprendido acerca de dos métodos para obtener UMVUE: Límite inferior Cramer-Rao (CRLB) Lehmann-Scheffe Thereom Voy a intentar esto …

10 self-study  estimation  inference  exponential-family  umvue 

¿Cuál es la relación entre una dimensión y un componente en un modelo de mezcla gaussiana? ¿Y cuáles son los significados de dimensión y componente? Gracias. Corríjame si estoy equivocado: entiendo que los datos observados tienen muchas dimensiones. Cada dimensión representa una característica / aspecto de los datos recopilados y …

10 multivariate-analysis  normal-distribution  mixture 

Entiendo la premisa del algoritmo kNN para datos espaciales. Y sé que puedo extender ese algoritmo para usarlo en cualquier variable de datos continua (o datos nominales con Hamming Distance). Sin embargo, ¿qué estrategias se utilizan cuando se trata con datos de dimensiones superiores? Por ejemplo, supongamos que tengo una …

10 machine-learning  k-nearest-neighbour