Estadísticas y Big Data

Contexto: Dentro del contexto del modelado de ecuaciones estructurales, tengo una no normalidad según la prueba de Mardia, pero los índices univariados de asimetría y curtosis son inferiores a 2.0. Preguntas: ¿Deben evaluarse las estimaciones de parámetros (estimaciones de coeficientes) utilizando bootstrapping (1000 repeticiones) con métodos con corrección de sesgo? …

8 bootstrap  normality-assumption  sem 

He estado haciendo análisis de regresión logística multinomial usando SPSS 19. He encontrado el siguiente problema cuando ejecuto el procedimiento de análisis: "Se encuentran singularidades inesperadas en la matriz de Hesse. Esto indica que algunas variables predictoras deberían excluirse o algunas categorías deberían fusionarse". Un poco de información sobre mis …

8 logistic  spss  multinomial  separation 

Contexto: Mi pregunta se refiere a un diseño típico en mi área: un investigador toma un grupo de sujetos (digamos 10) y luego les aplica tres condiciones diferentes para medir el cambio en una variable de respuesta, por ejemplo, altura de salto vertical realizada después de beber una bebida de …

8 hypothesis-testing  anova  repeated-measures 

Pregunta para los mineros de datos experimentados: Ante este escenario: Hay N carritos de compras Cada carrito de compras está lleno de un número arbitrario de artículos M de un conjunto infinitamente grande (con la cantidad actual de datos que tengo, ese número arbitrario puede alcanzar números alrededor de 1500) …

8 clustering  classification  data-mining  ordinal-data 

Tengo 100 pacientes y cada paciente tiene 10 mediciones longitudinales de creatinina sérica. Las tasas de filtración glomerular estimadas (TFGe) se calcularon a partir de una fórmula MDRD que comprende género, edad y creatinina sérica. La TFGe es la variable dependiente y el tiempo es la variable independiente en regresión …

8 regression  mixed-model  repeated-measures  panel-data 

Estoy tratando de probar la bondad de ajuste para un vector de datos de conteo a un binomio. Para hacerlo, estoy usando la goodfit()función en el vcdpaquete. Cuando ejecuto la función, sin embargo, devuelve NaNel valor p de la prueba de Chi-cuadrado. En mi configuración, tengo un vector de datos …

8 binomial  chi-squared  goodness-of-fit 

En una comparación empírica de algoritmos de aprendizaje supervisados (ICML 2006), los autores (Rich Caruana y Alexandru Niculescu-Mizil) evaluaron varios algoritmos de clasificación (SVM, ANN, KNN, bosques aleatorios, árboles de decisión, etc.) e informaron que los árboles reforzados calibrados clasificado como el mejor algoritmo de aprendizaje en general en ocho …

8 r  classification  matlab 

Me gustaría ajustar un modelo de mezcla a datos generados por Monte Carlo con densidades de probabilidad que generalmente se parecen a las de la imagen adjunta. Parecería por inspección visual que un modelo de mezcla normal podría ser aplicable, pero al verificar la vista de tareas CRAN realmente no …

8 r  mixed-model 

Digamos que tengo dos modelos de regresión, uno con tres variables y otro con cuatro. Cada uno escupe un r ^ 2 ajustado, que puedo comparar directamente. Obviamente, el modelo con el r ^ 2 ajustado más alto es el mejor ajuste, pero ¿hay alguna forma de probar la diferencia …

8 regression 

Estoy usando un modelo de retraso distribuido para analizar datos de series de tiempo. La duración del período de estudio es de 18 años, y la observación son datos anuales. Cuando se incluye un efecto de retraso de 1 año, falta el primer año de la variable de retraso. Luego, …

8 time-series  missing-data 

... (opcional) en el contexto de Google Web Optimizer. Suponga que tiene dos grupos y una variable de respuesta binaria. Ahora obtienes el siguiente resultado: Original : 401 ensayos, 125 ensayos exitosos Combinación16 : 441 ensayos, 141 ensayos exitosos La diferencia no es estadísticamente significativa, sin embargo, se puede calcular …

8 bayesian  ab-test 

Recientemente estuve expuesto a algunos métodos de prueba de hipótesis estadísticas (por ejemplo, la prueba de Friedman) en el trabajo, y me gustaría aumentar mi conocimiento sobre el tema. ¿Puede sugerir una buena introducción a la significación estadística / prueba de hipótesis estadísticas para un informático? Estoy pensando en un …

8 hypothesis-testing  statistical-significance  p-value 

Tengo los siguientes datos, que representan el estado binario de cuatro sujetos en cuatro ocasiones, tenga en cuenta que solo es posible para cada sujeto a la transición pero no 1 → 0 :0→10→10\to 11→01→01\to 0 testdata <- data.frame(id = c(1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4), day = c(1,1,1,1,8,8,8,8,16,16,16,16,24,24,24,24,32,32,32,32), obs = c(0,0,0,0,0,1,0,0,0,1,1,0,0,1,1,1,1,1,1,1)) Puedo modelarlo con …

8 logistic  censoring  interval-censoring 

En primer lugar, me doy cuenta de que la regresión múltiple no ofrece realmente inferencias "causales" sobre los datos. Déjame explicarte mi caso actual: Tengo cuatro variables independientes que espero (pero no estoy seguro) están involucradas en la conducción de lo que estoy midiendo. Quería usar la regresión múltiple para …

8 multivariate-analysis  multiple-regression 

Suponga que tiene una clase de aproximadamente 800 estudiantes y siguiendo un conjunto de evaluaciones cada estudiante tiene una calificación bruta. ¿Cómo se deben convertir estas calificaciones en bruto en una calificación final? ¿Es una buena idea escalar los grados brutos a una distribución normal?

8 normal-distribution