Estadísticas y Big Data

Soy totalmente nuevo en las estadísticas y el campo de los intervalos de confianza. Entonces esto puede ser muy trivial o incluso sonar estúpido. Le agradecería si pudiera ayudarme a comprender o señalarme alguna literatura / texto / blog que explique esto mejor. Veo en varios sitios de noticias como …

9 confidence-interval  sample-size 

Quiero seleccionar modelos usando regsubsets(). Tengo un marco de datos llamado olympiadaten (datos cargados: http://www.sendspace.com/file/8e27d0 ). Primero adjunto este marco de datos y luego empiezo a analizar, mi código es: attach(olympiadaten) library(leaps) a<-regsubsets(Gesamt ~ CommunistSocialist + CountrySize + GNI + Lifeexp + Schoolyears + ExpMilitary + Mortality + PopPoverty + …

9 r  multiple-regression  model-selection 

No sé mucho sobre estadísticas, así que tengan paciencia conmigo. Digamos que tengo un conjunto de 1000 trabajadores. Quiero averiguar quién es el trabajador más duro, pero solo puedo medir la cantidad de trabajo que se realiza en grupos de 1 a 100 durante más de una hora de trabajo. …

9 r  regression  data-mining 

Con datos continuos, una regresión lineal Y=β1+β2X2+uY=β1+β2X2+uY=\beta_1+\beta_2X_2+u supone que el término de error se distribuye N (0, σ2σ2\sigma^2 ) 1) ¿Asumimos que Var (Y | x) es igualmente ~ N (0, σ2σ2\sigma^2 )? 2) ¿Cuál es esta distribución de errores en regresión logística? Cuando los datos están en forma de …

9 logistic  generalized-linear-model 

Cuando se usa libsvm, el parámetro es un parámetro para la función del núcleo. Su valor predeterminado se configura como γ = 1γγ\gammaγ= 1Número de características.γ=1Número de características.\gamma = \frac{1}{\text{number of features.}} ¿Existe alguna guía teórica para configurar este parámetro además de los métodos existentes, por ejemplo, la búsqueda de …

9 machine-learning  svm  data-mining  libsvm  kernel-trick 

Tengo una tabla tridimensional de tamaño . Cada celda de la tabla es una prueba de hipótesis. Cortar la tabla en la tercera dimensión produce conjuntos de pruebas de hipótesis que son independientes entre conjuntos pero dependientes dentro de los conjuntos. Originalmente estaba pensando que podría controlar la tasa de …

9 multiple-comparisons  false-discovery-rate 

La documentación establece que R gbm with distribution = "adaboost" se puede usar para problemas de clasificación 0-1. Considere el siguiente fragmento de código: gbm_algorithm <- gbm(y ~ ., data = train_dataset, distribution = "adaboost", n.trees = 5000) gbm_predicted <- predict(gbm_algorithm, test_dataset, n.trees = 5000) Se puede encontrar en la …

9 r  gbm 

Estoy usando PROC GLM en SAS para ajustar una ecuación de regresión de la siguiente forma Y=b0+b1X1+b2X2+b3X3+b4tY=b0+b1X1+b2X2+b3X3+b4t Y = b_0 + b_1X_1 + b_2X_2 + b_3X_3 + b_4t La gráfica QQ de los redsiduales resultantes indica una desviación de la normalidad. Cualquier transformación de no es útil para normalizar los …

9 regression  multiple-regression  nonparametric  residuals  sas 

¿Cuál es la relación entre los primeros componentes principales y la correlación promedio en la matriz de correlación? Por ejemplo, en una aplicación empírica, observo que la correlación promedio es casi la misma que la razón de la varianza del primer componente principal (primer valor propio) a la varianza total …

9 correlation  pca  mathematical-statistics  eigenvalues 

La asignación aleatoria es valiosa porque garantiza la independencia del tratamiento de los posibles resultados. Así es como conduce a estimaciones imparciales del efecto promedio del tratamiento. Pero otros esquemas de asignación también pueden garantizar sistemáticamente la independencia del tratamiento de los posibles resultados. Entonces, ¿por qué necesitamos una asignación …

9 econometrics  experiment-design  causality  instrumental-variables  random-allocation 

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

"Sobre el problema de Behrens-Fisher: una revisión" por Seock-Ho Kim y Allen S. Cohen Journal of Educational and Behavioral Statistics , volumen 23, número 4, invierno, 1998, páginas 356–377 Estoy mirando esto y dice: Fisher (1935, 1939) eligió la estadística [dondeties laestadísticathabitual de una muestraparai=1,2] dondeθse toma en la primera …

9 distributions  parameterization  fiducial 

Pregunta corta: ¿Por qué es esto cierto? Larga pregunta: Muy simple, estoy tratando de descubrir qué justifica esta primera ecuación. El autor del libro que estoy leyendo (contexto aquí si lo desea, pero no es necesario), afirma lo siguiente: Debido a la suposición de casi gaussianismo, podemos escribir: pag0 0( …

9 probability  normal-distribution  entropy  maximum-entropy 

Dado que no podemos ajustar el modelo ARIMA cuando se viola el supuesto de varianza constante, ¿qué modelo se puede usar para ajustar series de tiempo univariantes?

9 time-series  modeling  forecasting  arima 

Estoy comenzando mi viaje de doctorado, y el objetivo final que me propuse es desarrollar ANN que supervisen el entorno en el que trabajan y ajusten dinámicamente su arquitectura al problema en cuestión. La implicación obvia es la temporalidad de los datos: si el conjunto de datos no es continuo …

9 machine-learning  neural-networks