Estadísticas y Big Data

Actualmente estoy trabajando en una serie de modelos de series de tiempo de Poisson tratando de estimar el efecto de un cambio en la forma en que se obtuvieron los recuentos (cambio de una prueba de diagnóstico a otra) mientras se controlan otras tendencias a lo largo del tiempo (digamos …

9 mixed-model  generalized-linear-model  poisson-distribution  random-effects-model 

He estado usando el Root Mean Squared Error(RMSE) para medir la precisión de los valores pronosticados usando un modelo. Entiendo que el valor devuelto está usando las unidades de mis medidas (en lugar de un porcentaje). Sin embargo, me gustaría citar mis valores como un porcentaje. El enfoque que he …

9 error  terminology 

Tengo un conjunto de datos bastante complicado para analizar, y no puedo encontrar una buena solución para ello. Aquí está la cosa: 1. los datos en bruto son esencialmente grabaciones de canciones de insectos. Cada canción está compuesta de varias ráfagas, y cada ráfaga está compuesta de subunidades. Todos los …

9 time-series  mixed-model  repeated-measures  random-effects-model 

He estado ajustando algunos datos de series de tiempo usando un modelo aditivo general de Poisson usando SAS PROC GAM. En términos generales, he estado haciendo que su procedimiento de validación cruzada generalizado incorporado genere al menos un "punto de partida" decente para mi spline individual, que es una función …

9 time-series  sas  splines  gam 

Estoy leyendo A. Agresti (2007), Introducción al análisis de datos categóricos , 2do. edición, y no estoy seguro si entiendo este párrafo (p.106, 4.2.1) correctamente (aunque debería ser fácil): En la Tabla 3.1 sobre ronquidos y enfermedades cardíacas en el capítulo anterior, 254 sujetos informaron ronquidos todas las noches, de …

9 r  generalized-linear-model  logistic 

El modelo Bradley – Terry – Luce (BTL) establece que , donde es la probabilidad de que el objeto se considere "mejor", más pesado, etc., que el objeto , y , y son parámetros.pji=logit−1(δj−δi)pji=logit−1(δj−δi)p_{ji} = logit^{-1}(\delta_j - \delta_i)pijpijp_{ij}jjjiiiδiδi\delta_iδjδj\delta_j Esto parece ser un candidato para la función glm, con family = …

9 r  logistic  categorical-data  paired-data  bradley-terry-model 

Calculé un modelo de regresión lineal simple a partir de las medidas de mi experimento para hacer predicciones. He leído que no debe calcular predicciones para puntos que se alejan demasiado de los datos disponibles. Sin embargo, no pude encontrar ninguna guía para ayudarme a saber hasta dónde puedo extrapolar. …

9 regression  prediction 

Mis datos son una serie temporal de población ocupada, L, y el lapso de tiempo, año. n.auto=auto.arima(log(L),xreg=year) summary(n.auto) Series: log(L) ARIMA(2,0,2) with non-zero mean Coefficients: ar1 ar2 ma1 ma2 intercept year 1.9122 -0.9567 -0.3082 0.0254 -3.5904 0.0074 s.e. NaN NaN NaN NaN 1.6058 0.0008 sigma^2 estimated as 1.503e-06: log likelihood=107.55 …

9 r  regression  arima 

Sé que esta es probablemente una pregunta básica ... Pero parece que no encuentro la respuesta. Estoy adaptando un GLM con una familia de Poisson, y luego intenté echar un vistazo a las predicciones, sin embargo, el desplazamiento parece tenerse en cuenta: model_glm=glm(cases~rhs(data$year,2003)+lhs(data$year,2003), offset=(log(population)), data=data, subset=28:36, family=poisson()) predict (model_glm, type="response") …

9 r  generalized-linear-model  prediction  offset 

@whuber ha demostrado cómo simular resultados multivariados ( y1y1y_1 , y2y2y_2 e ) para un punto de tiempo.y3y3y_3 Como sabemos, los datos longitudinales a menudo ocurren en estudios médicos. Mi pregunta es cómo simular resultados multivariados de medidas repetidas en R? Por ejemplo, medimos repetidamente , e en 5 puntos …

9 r  repeated-measures  simulation 

Necesito un paquete que me pueda dar la ecuación para un modelo SVM lineal. Actualmente estoy usando e1071 así: library(e1071) m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale) w = t(m$coefs) %*% data[m$index,] #Weight vector b = -model$rho #Offset Sin embargo, no estoy seguro de cómo e1071::svm()selecciona las clases …

9 r  svm  e1071 

No soy un experto en estadística, pero considero que hay desacuerdo sobre si una interpretación "frecuenta" o "bayesiana" de la probabilidad es la "correcta". De Wagenmakers et. al p. 183: Considere una distribución uniforme con media y ancho . Dibuje dos valores al azar de esta distribución, etiquetar el más …

9 bayesian  confidence-interval  frequentist  philosophical 

Tengo un problema de clasificación ( clase ), con del orden de 100 predictores con valores reales, uno de los cuales parece tener mucho más poder explicativo que cualquiera de los otros. Me gustaría profundizar en los efectos de las otras variables. Sin embargo, las técnicas estándar de aprendizaje automático …

9 machine-learning  classification 

Me acababan de asignar un proyecto para realizar análisis de sentimientos para algunas colecciones de documentos. Al buscar en Google, ha surgido una gran cantidad de investigaciones relacionadas con los sentimientos. Mis preguntas son: ¿Cuáles son los principales métodos / algoritmos para el análisis de sentimientos en el campo del …

9 machine-learning  data-mining  text-mining  information-retrieval  sentiment-analysis 

Suponiendo "aleatoriedad completa" y se le da una cadena con una longitud de 20 caracteres donde cada carácter puede ser uno de los 62 caracteres posibles: ¿Cuál es el número total de combinaciones posibles? (Adivinando 20 al poder de 62.) Además, si las nuevas cadenas se seleccionan aleatoriamente una tras …

9 probability  combinatorics