Estadísticas y Big Data

He estado leyendo sobre la distancia del cocinero para identificar valores atípicos que tienen una gran influencia en mi regresión. En el estudio original de Cook, dice que una tasa de corte de 1 debería ser comparable para identificar personas influyentes. Sin embargo, varios otros estudios usan o como punto …

9 outliers  cooks-distance 

Escuché que todos los condicionales completos (como se usan en el muestreo de Gibbs) pueden determinar la distribución conjunta. Pero no entiendo por qué y cómo. ¿O escuché mal? ¡Gracias!

9 distributions 

Tengo muchas series de tiempo con períodos: día, semana o mes. Con stl()función o con loess(x ~ y)puedo ver cómo se ven las tendencias de series de tiempo particulares. Necesito detectar si la tendencia de las series temporales está aumentando o disminuyendo. ¿Cómo puedo manejar eso? Traté de calcular los …

9 r  time-series  trend 

Tengo problemas para desarrollar cierta intuición sobre la entropía conjunta. = incertidumbre en la distribución conjunta p ( x , y ) ; H ( X ) = incertidumbre en p x ( x ) ; H ( Y ) = incertidumbre en p y ( y ) .H( X, …

9 information-theory  mutual-information 

Quiero ajustar un DLM con coeficientes variables en el tiempo, es decir, una extensión de la regresión lineal habitual, yt= θ1+ θ2X2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 . Tengo un predictor ( ) y una variable de respuesta ( ), capturas anuales de peces marinos y continentales, respectivamente, de 1950 a …

9 r  regression  time-series  dlm  dynamic-regression 

Editar: La base de mi pregunta es defectuosa, y necesito dedicar un tiempo a determinar si incluso puede tener sentido. Edición 2: Aclarando que reconozco que un valor p no es una medida directa de la probabilidad de una hipótesis nula, pero que supongo que cuanto más cercano sea un …

9 hypothesis-testing  p-value 

Estoy tratando de entender cómo podría modelar mejor una variable donde con el tiempo obtuve predictores cada vez más detallados. Por ejemplo, considere modelar las tasas de recuperación de los préstamos en mora. Supongamos que tenemos un conjunto de datos con 20 años de datos, y en los primeros 15 …

9 regression  missing-data 

He estado leyendo sobre MLE como un método para generar una distribución ajustada. Me encontré con una declaración que decía que las estimaciones de probabilidad máxima "tienen distribuciones normales aproximadas". ¿Significa esto que si aplico MLE varias veces sobre mis datos y la familia de distribuciones a las que estoy …

9 normal-distribution  estimation  maximum-likelihood 

Después de tropezar con el concepto en un libro de texto de estadísticas, traté de entenderlo y finalmente llegué a una conclusión que parece ajustarse a todas las explicaciones que he visto hasta ahora: un intervalo creíble es lo que los no estadísticos creen que es una confianza intervalo es …

9 confidence-interval  methodology  credible-interval 

Estaba leyendo un libro de texto de estadísticas de nivel de entrada. En el capítulo sobre la estimación de máxima verosimilitud de la proporción de éxito en datos con distribución binomial, dio una fórmula para calcular un intervalo de confianza y luego mencionó con indiferencia Considere su probabilidad de cobertura …

9 confidence-interval  terminology  coverage-probability 

Estoy mirando una hoja de Excel que dice estar calculando el , pero no reconozco esta forma de hacerlo, y me preguntaba si me falta algo.χ2χ2\chi^2 Aquí están los datos que está analizando: +------------------+----------+----------+ | Total Population | Observed | Expected | +------------------+----------+----------+ | 2000 | 42 | 32.5 | …

9 r  chi-squared  excel 

Sé que si vuelve a tomar muestras de un conjunto de datos muchas veces y calcula la media cada vez, estas medias seguirán una distribución normal (por el CLT). Por lo tanto, puede calcular un intervalo de confianza en la media del conjunto de datos sin hacer ninguna suposición sobre …

9 distributions  confidence-interval  bootstrap  resampling 

Cuando , el problema de mínimos cuadrados que impone una restricción esférica en el valor de se puede escribir como para un sistema sobredeterminado. \ | \ cdot \ | _2 es la norma euclidiana de un vector.y=Xβ+ey=Xβ+ey = X\beta + eδδ\deltaββ\betamin ∥y−Xβ∥22s.t. ∥β∥22≤δ2min⁡ ‖y−Xβ‖22s.t.⁡ ‖β‖22≤δ2\begin{equation} \begin{array} &\operatorname{min}\ \| y …

9 regression  least-squares  regularization  ridge-regression  underdetermined 

Un colega mío me envió este problema aparentemente haciendo las rondas en Internet: If $3 = 18, 4 = 32, 5 = 50, 6 = 72, 7 = 98$, Then, $10 =$ ? La respuesta parece ser 200. 3*6 4*8 5*10 6*12 7*14 8*16 9*18 10*20=200 Cuando hago una regresión …

9 r  regression  lm 

Qué configuración es correcta para un modelo de regresión de diferencia en diferencia usando Yist=α+γs∗T+λdt+δ∗(T∗dt)+ϵistYist=α+γs∗T+λdt+δ∗(T∗dt)+ϵistY_{ist} = \alpha +\gamma_s*T + \lambda d_t + \delta*(T*d_t)+ \epsilon_{ist} donde T es un maniquí que es igual a 1 si la observación es del grupo de tratamiento yd es un maniquí que es igual a …

9 regression  econometrics  difference-in-difference