Estadísticas y Big Data

De acuerdo con el Análisis de regresión por ejemplo , el residuo es la diferencia entre la respuesta y el valor pronosticado, luego se dice que cada residuo tiene una varianza diferente, por lo que debemos considerar los residuos estandarizados. Pero la varianza es para un grupo de valores, ¿cómo …

9 regression  residuals 

Tengo problemas al usar las funciones cor()y cor.test(). Solo tengo dos matrices (solo valores numéricos y el mismo número de filas y columnas) y quiero tener el número de correlación y el valor p correspondiente. Cuando uso cor(matrix1, matrix2)obtengo los coeficientes de correlación para todas las celdas. Solo quiero un …

9 r  correlation 

Tengo una gran encuesta en la que se les preguntó a los estudiantes, entre otras cosas, el nivel de educación de su madre. Algunos lo omitieron y otros respondieron erróneamente. Lo sé porque allí se entrevistó a una submuestra de los encuestados iniciales de la madre y se les hizo …

9 data-imputation 

Tengo varios resultados de prueba de retraso de respuesta del servidor. Según nuestro análisis teórico, la distribución de retardo (La función de distribución de probabilidad del retardo de respuesta) debe tener un comportamiento de cola pesada. Pero, ¿cómo podría probar que el resultado de la prueba sigue una distribución de …

9 regression  distributions  probability  normal-distribution  mathematical-statistics 

Estoy usando 2 tipos de regresión logística: uno es el tipo simple, para la clasificación binaria, y el otro es la regresión logística ordinal. Para calcular la precisión del primero, utilicé la validación cruzada, donde calculé el AUC para cada pliegue y luego calculé el AUC medio. ¿Cómo puedo hacerlo …

9 logistic  cross-validation  roc  auc  ordered-logit 

Algunos métodos estadísticos, no recuerdo si es el análisis de componentes principales o algo así, a veces se llaman "análisis de datos en francés". Qué es exactamente ? Y algunas personas dicen que este nombre es irónico, ¿es cierto y por qué?

9 multivariate-analysis  terminology  correspondence-analysis 

Usando R, he ajustado un modelo lineal para una variable de respuesta única a partir de una combinación de predictores continuos y discretos. Esto es súper básico, pero tengo problemas para comprender cómo funciona un coeficiente para un factor discreto. Concepto: Obviamente, el coeficiente de la variable continua 'x' se …

9 linear-model  regression-coefficients  contrasts 

¿Cuál es la diferencia entre la correlación cruzada y la información mutua? ¿Qué tipo de problemas se pueden resolver con estas medidas y cuándo es apropiado usar uno sobre el otro? Gracias por los comentarios. Para aclarar, la pregunta surge por un interés en el análisis de iomage en lugar …

9 cross-correlation  mutual-information 

Estoy usando el paquete kernlab en R para construir un SVM para clasificar algunos datos. El SVM está funcionando bien ya que proporciona 'predicciones' de una precisión decente, sin embargo, mi lista de variables de entrada es más grande de lo que quisiera y no estoy seguro de la importancia …

9 r  machine-learning  svm  genetic-algorithms 

¿Existen algoritmos estándar (a diferencia de los programas) para hacer una regresión lineal jerárquica? ¿Las personas generalmente solo hacen MCMC o hay algoritmos más especializados, quizás de forma parcialmente cerrada?

9 regression  bayesian  multiple-regression  multilevel-analysis  irls 

Digamos que tiene datos de supervivencia como este: obs <- data.frame( time = c(floor(runif(100) * 30), floor((runif(100)^2) * 30)), status = c(rbinom(100, 1, 0.2), rbinom(100, 1, 0.7)), group = gl(2,100) ) Para realizar una prueba de rango de registro estándar, se puede usar survdiff(Surv(time, status) ~ group, data = obs, …

9 r  survival  wilcoxon-signed-rank 

¿Cómo se relaciona el valor esperado de una variable aleatoria continua con su media aritmética, mediana, etc. en una distribución no normal (p. Ej., Skew-normal)? Estoy interesado en cualquier distribución común / interesante (por ejemplo, log-normal, distribuciones bi / multimodales simples, cualquier otra cosa extraña y maravillosa). Estoy buscando principalmente …

9 mean  expected-value  median 

Como pasatiempo secundario, he estado explorando las series temporales de pronósticos (en particular, usando R). Para mis datos, tengo el número de visitas por día, por cada día que se remonta a casi 4 años. En estos datos hay algunos patrones distintos: De lunes a viernes tiene muchas visitas (mayor …

9 r  time-series  seasonality  forecasting 

Digamos que tengo un montón de filas para un problema de clasificación: X1, . . . Xnorte, YX1,...Xnorte,YX_1, ... X_N, Y Donde son las características / predictores e Y es la clase a la que pertenece la combinación de características de la fila.X1, . . . , XnorteX1,...,XnorteX_1, ..., X_NYYY …

9 machine-learning  classification  data-mining  logistic  stratification 

¿Relacionado con el análisis de razones de variables y cómo parametrizar la razón de dos variables distribuidas normalmente, o la inversa de una? . Supongamos que tengo varias muestras de cuatro distribuciones aleatorias continuas diferentes, todas las cuales podemos suponer que son más o menos normales. En mi caso, corresponden …

9 distributions  hypothesis-testing  statistical-significance