Estadísticas y Big Data

Soy muy nuevo en RBM, estoy intentando escribir un programa RBM ahora. Lo siento si esta es una pregunta tonta y / o respondida aquí ya. He leído algunos artículos en línea y preguntas aquí, pero no puedo encontrar nada sobre cómo actualizar los sesgos (o los pesos de sesgo). …

8 deep-learning  rbm  deep-belief-networks 

Entiendo dónde ocurre el paso E en el algoritmo (como se explica en la sección matemática a continuación). En mi opinión, el ingenio clave del algoritmo es el uso de la desigualdad de Jensen para crear un límite inferior a la probabilidad logarítmica. En ese sentido, tomar Expectationsimplemente se hace …

8 maximum-likelihood  optimization  expectation-maximization  latent-variable  kullback-leibler 

Antecedentes: Mi software solicita a los usuarios donaciones opcionales de cualquier cantidad. Dividí las solicitudes de donación de prueba entre los usuarios para encontrar la mejor manera de preguntar: 50% obtiene la versión 1 de la solicitud, 50% obtiene la versión 2 de la solicitud, y vemos cuál funciona mejor. …

8 r  p-value  wilcoxon-mann-whitney  permutation-test  ab-test 

En una publicación de blog, Andrew Gelman escribe : La regresión gradual es una de estas cosas, como la detección de valores atípicos y los gráficos circulares, que parecen ser populares entre los no estadísticos, pero los estadísticos consideran que son una broma. Entiendo la referencia a los gráficos circulares, …

8 dataset  outliers  quality-control 

Deje que sea ​​la distribución objetivo en que es absolutamente continua wrt a la medida dimensional de Lebesgue, es decir:ππ\pi(Rre, B(Rre) )(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))redd ππ\pi admite una densidad wrt a con π(X1, . . . ,Xre)π(x1,...,xd)\pi(x_1,...,x_d)λreλre\lambda^dλre( dX1, . . . , dXre) = λ ( dX1) ⋅ ⋅ ⋅ λ ( dXre)λre(reX1,...,reXre)=λ(reX1)⋅⋅⋅λ(reXre)\lambda^d(dx_1,...,dx_d) …

8 bayesian  conditional-probability  markov-process  gibbs  integral 

Digamos que tengo una serie temporal, G t , y una covariable B t . Quiero encontrar la relación entre ellos por el modelo ARMA: G t = Z t + β 0 + β 1 B t donde el Z t residual sigue algún proceso ARMA. El problema es: …

8 time-series  correlation  econometrics  arima  time-varying-covariate 

Tengo datos que describen con qué frecuencia tiene lugar un evento durante una hora ("número por hora", nph) y cuánto duran los eventos ("duración en segundos por hora", dph). Estos son los datos originales: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Mi pregunta está relacionada con el hilo Valores negativos para AIC en el Modelo mixto general . A menudo obtengo valores negativos de AIC del software que uso. Lo noto más cuando estoy haciendo series de tiempo. Pero aquí está lo que no entiendo. Al definir el AIC como AIC=2k−2ln(L)AIC=2k−2ln⁡(L)AIC …

8 aic 

Nate Silver ha tenido bastante éxito al predecir los resultados de las elecciones estadounidenses en el pasado, algo que se describe en su libro The Signal and the Noise . El libro contiene algunas descripciones del modelo utilizado, y una publicación en su blog describe el modelo utilizado para las …

8 references  prediction 

Sé que si puedo tener dos distribuciones con la misma media y varianza, tendré formas diferentes, porque puedo tener una N (x, s) y una U (x, s) Pero, ¿qué pasa si su min, Q1, mediana, Q3 y max son idénticos? ¿Pueden las distribuciones verse diferentes entonces, o se requerirá …

8 distributions  descriptive-statistics 

Un criterio para seleccionar el valor óptimo de con una regresión penalizada neta elástica o similar es examinar una gráfica de la desviación contra el rango de y seleccionar cuando la desviación se minimiza (o dentro de un error estándar del mínimo).λλ\lambdaλλ\lambdaλλ\lambdaλλ\lambda Sin embargo, estoy teniendo dificultades para entender con …

8 r  glmnet 

Tengo 2 conjuntos de datos distribuidos exponencialmente y quiero estar seguro de que son de diferentes distribuciones. Lamentablemente, un error necesario en la detección de los datos me obliga a descartar todos los datos por debajo de un cierto umbral. En cada conjunto tengo alrededor de 3000 puntos de datos …

8 hypothesis-testing  exponential 

Estoy tratando de entender EM e intentando inferir los parámetros de este modelo usando esta técnica, pero tengo problemas para entender cómo comenzar: Entonces, tengo un modelo de regresión lineal ponderado de la siguiente manera donde tengo observaciones y las observaciones correspondientes . El modelo de la relación entre e …

8 bayesian  expectation-maximization 

He estado usando la función glm.fit en R para ajustar parámetros a un modelo de regresión logística. Por defecto, glm.fit utiliza mínimos cuadrados repesados ​​de forma iterativa para ajustar los parámetros. ¿Cuáles son algunas razones por las cuales este algoritmo no podría converger, cuando se usa para la regresión logística?

8 r  logistic  generalized-linear-model  convergence  irls 

Me gustaría determinar si el uso de la prueba de comparaciones múltiples sería apropiado para mis datos. Utilicé la prueba de Kruskal-Wallis para determinar si había diferencias en la inhibición media entre grupos diferentes. El análisis reveló que había diferencias significativas y ahora me gustaría utilizar un procedimiento de comparación …

8 multiple-comparisons  post-hoc  kruskal-wallis  dunn-test