Estadísticas y Big Data

Digamos que tengo dos condiciones, y el tamaño de mi muestra para las dos condiciones es extremadamente bajo. Digamos que solo tengo 14 observaciones en la primera condición y 11 en la otra. Quiero usar la prueba t para probar si las diferencias de medias son significativamente diferentes entre sí. …

8 confidence-interval  t-test  bootstrap  normality-assumption  reporting 

Estoy examinando las tendencias (entre 1998 y 2011) en las tasas de mortalidad entre pacientes con enfermedad de Crohn. Cada paciente (caso) se incluyó entre 1998 y 2011. En el momento de la inclusión, cada paciente se comparó con un control saludable con la misma edad y sexo. Estoy analizando …

8 regression  multiple-regression  survival  poisson-regression 

Con frecuencia escucho un muestreo ascendente o descendente de los datos discutidos como una forma de tratar con la clasificación de los datos desequilibrados. Entiendo que esto podría ser útil si está trabajando con un clasificador binario (en lugar de probabilístico o basado en puntajes) y lo trata como un …

8 classification  roc  unbalanced-classes 

Tengo una pregunta sobre la mezcla de anteriores conjugados. Aprendí y digo la mezcla de anteriores conjugados un par de veces cuando estoy aprendiendo bayesiano. Me pregunto por qué este teorema es tan importante, cómo lo aplicaremos cuando hagamos un análisis bayesiano. Para ser más específicos, un teorema de Diaconis …

8 bayesian  conditional-probability  hierarchical-bayesian  conjugate-prior  exponential-family 

Dados dos conjuntos de datos de números reales positivos X e Y, ambos del mismo tamaño, y 0 <= Y <= X para cada fila; ¿Puede el CDF empírico de X cruzar alguna vez el CDF empírico de Y?

8 distributions  cdf 

Estoy tratando de estimar la brecha salarial de género para los trabajadores de oficina masculinos y femeninos en una gran empresa sueca para probar si existe discriminación de género. La prueba de Hausman rechaza la nulidad de que los efectos fijos individuales son aleatorios y, por lo tanto, no puedo …

8 econometrics  panel-data  random-effects-model  fixed-effects-model  hausman 

¿En qué condiciones se puede esperar que el análisis de componentes principales (PCA) y el análisis factorial (FA) produzcan resultados similares?

8 pca  factor-analysis 

Tengo un montón de descripciones de trabajo ingresadas por los usuarios. Hay todo tipo de errores ortográficos y datos incorrectos. es decir: ... tulane univ hospital tulip tullett prebon ... weik investment weill cornell university medical center weis weiss waldee hohimer dds welded constrction l.p. welder welder welder ... ¿Qué …

8 classification  categorical-data  text-mining 

Me gustaría especificar un modelo de regresión logística donde tenga la siguiente relación: mi[YyoEl |Xyo] = f( βXyo 1+β2Xyo 2)E[Yi|Xi]=f(βxi1+β2xi2)E[Y_i|X_i] = f(\beta x_{i1} + \beta^2x_{i2}) donde es la función de logit inversa.Fff ¿Existe una forma "rápida" de hacer esto con funciones R preexistentes o hay un nombre para un modelo …

8 r  logistic  generalized-linear-model  nonlinear-regression 

Por lo general, se dice que los antecedentes de las estadísticas bayesianas pueden considerarse factores de regularización, ya que penalizan las soluciones donde los lugares anteriores tienen una baja densidad de probabilidad. Entonces, dado este modelo simple cuyos parámetros MLE son: a r gm aXμ norte( y; μ , σ)argmaxμ …

8 bayesian  regularization  frequentist  philosophical 

En su libro "Análisis multinivel: una introducción al modelado multinivel básico y avanzado" (1999), Snijders y Bosker (cap. 8, sección 8.2, página 119) dijeron que la correlación intercepto-pendiente, calculada como la covarianza intercepto-pendiente dividida por la raíz cuadrada del producto de la intercepción de la varianza y la varianza de …

8 mixed-model  stata  multilevel-analysis 

Actualmente estoy modelando algunos datos usando una regresión logística binaria. La variable dependiente tiene una buena cantidad de casos positivos y negativos, no es escasa. También tengo un gran conjunto de entrenamiento (> 100,000) y el número de efectos principales que me interesan es de aproximadamente 15, así que no …

8 regression  logistic  predictor  sparse 

Estoy buscando una medida adecuada de la "varianza explicada" de un Poisson GLM (usando una función de enlace de registro). He encontrado una cantidad de recursos diferentes (tanto en este sitio como en otros lugares) que analizan una serie de diferentes pseudo-R2R2R^2 medidas, pero casi todos los sitios mencionan las …

8 generalized-linear-model  poisson-distribution  r-squared 

Soy relativamente nuevo en las estadísticas bayesianas, así que por favor sea gentil. Acabo de realizar Computación Bayesiana Aproximada (ABC) para la inferencia de un modelo multiparamétrico. Ahora estoy buscando realizar una verificación predictiva posterior de los parámetros que se han inferido. Lo que quiero saber es que, al muestrear …

8 bayesian  posterior  abc 

A una persona se le dan tres elementos, dicen fotos de caras, y se le pide que elija cuáles de las tres caras son las más similares. Esto se repite una gran cantidad de veces con diferentes combinaciones de caras, donde cada cara puede ocurrir en muchas combinaciones. Dado este …

8 modeling  dimensionality-reduction  psychometrics  similarities