Estadísticas y Big Data

¿Hay algún método para corregir el sesgo en el modelo de riesgo proporcional de Cox causado por una muestra seleccionada al azar (algo así como la corrección de Heckman)? Antecedentes : Digamos que la situación es la siguiente: - Durante los primeros dos años, todos los clientes son aceptados. - …

9 bias  cox-model 

Tengo una serie temporal de medidas (alturas-series unidimensionales). En el período de observación, el proceso de medición se redujo durante algunos puntos de tiempo. Entonces, los datos resultantes son un vector con NaNs donde había lagunas en los datos. Usando MATLAB, esto me está causando un problema al calcular la …

9 time-series  dataset  matlab  autocorrelation  missing-data 

¿Existe un principio general sobre si uno debe calcular la correlación de Pearson para dos variables aleatorias X e Y antes de tomar su transformación logarítmica o después? ¿Existe un procedimiento para probar cuál es más apropiado? Producen valores similares pero diferentes, ya que la transformación logarítmica es no lineal. …

9 regression  correlation  logarithm  pearson-r 

Estoy buscando conjuntos de datos de puntos de datos bidimensionales (cada punto de datos es un vector de dos valores (x, y)) siguiendo diferentes distribuciones y formas. El código para generar tales datos también sería útil. Quiero usarlos para trazar / visualizar cómo funcionan algunos algoritmos de agrupación. Aquí hay …

9 distributions  data-visualization  clustering  dataset 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 3 años . Estoy muy interesado en aprender a crear informes recurrentes a partir de mi código R y …

9 r 

Me intriga el concepto de un Modelo de Markov de máxima entropía (MEMM), y estoy pensando en usarlo para un etiquetador de Parte de discurso (POS). Por el momento, estoy usando un clasificador convencional de máxima entropía (ME) para etiquetar cada palabra individual. Esto utiliza una serie de características, incluidas …

9 machine-learning  mcmc  maximum-entropy  memm 

Estoy buscando un ejemplo de código simple de cómo ejecutar un filtro de partículas en R. El paquete pomp parece admitir el bit matemático del espacio de estado, pero los ejemplos son un poco difíciles de seguir programáticamente para un desarrollador OO simple como yo, particularmente cómo cargar los datos …

9 r 

Tengo un gran conjunto de datos que consta de los valores de varios cientos de variables financieras que podrían usarse en una regresión múltiple para predecir el comportamiento de un fondo indexado a lo largo del tiempo. Me gustaría reducir el número de variables a diez más o menos y …

9 regression  multivariate-analysis  model-selection  multiple-regression 

Tengo varios conjuntos de datos del orden de miles de puntos. Los valores en cada conjunto de datos son X, Y, Z que se refieren a una coordenada en el espacio. El valor Z representa una diferencia de elevación en el par de coordenadas (x, y). Típicamente en mi campo …

9 normal-distribution  large-data 

¿Cuál es la diferencia entre un modelo GLM (regresión logística) con una variable de respuesta binaria que incluye sujeto y tiempo como covariables y el modelo GEE análogo que tiene en cuenta la correlación entre mediciones en múltiples puntos de tiempo? Mi GLM se ve así: Y(binary) ~ A + …

9 generalized-linear-model  gee 

Necesito ayuda para encontrar la forma correcta de calcular los ganadores en nuestra feria de ciencias. No quiero que mi ignorancia de las estadísticas y las matemáticas se interponga en el camino de las posibilidades de ganar de un niño. (muchos beneficios de becas y adelantos en juego). Gracias de …

9 data-transformation  standard-deviation  rating 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 8 meses . El problema mencionado en esta pregunta se solucionó en la versión 1.7.3 del paquete R glmnet. …

9 r  multinomial  glmnet 

BIC penaliza en función del número de parámetros. ¿Qué pasa si algunos de los parámetros son algún tipo de variables indicadoras binarias? ¿Cuentan como parámetros completos? Pero puedo combinar parámetros binarios en una variable discreta que toma valores en . ¿Deben contarse como parámetros o un parámetro?metrometrom{ 0 , 1 …

9 bayesian  model-selection  bic  parameterization 

Pregunta: ¿Existen pautas generales con respecto a las características de los datos de entrada que se pueden usar para decidir entre la aplicación de PCA versus LSA / LSI? Breve resumen de PCA vs. LSA / LSI: El análisis de componentes principales (PCA) y el análisis semántico latente (LSA) o …

9 machine-learning  pca  lsa 

He creado mi propia versión ligeramente mejorada del termplot que uso en este ejemplo, puedes encontrarla aquí . He publicado anteriormente en SO, pero cuanto más lo pienso, creo que esto probablemente esté más relacionado con la interpretación del modelo de riesgos proporcionales de Cox que con la codificación real. …

9 r  survival  cox-model