Estadísticas y Big Data

Una pregunta un poco extraña. En mi clase de bioestadística de cuarto año de hoy, estábamos discutiendo cuándo y cuándo no usar la corrección de pruebas múltiples, y el profesor hizo un comentario casual. Preguntó por qué no corregimos todas las pruebas que hemos realizado desde que comenzamos a hacer …

8 multiple-comparisons  bonferroni  false-discovery-rate 

Mi objetivo es ver que el algoritmo K-means es, de hecho, un algoritmo de maximización de expectativas para mezclas gaussianas en las que todos los componentes tienen covarianza en el límite como .σ2Iσ2I\sigma^2 Ilimσ→0limσ→0\lim_{\sigma \to 0} Supongamos que tenemos un conjunto de datos {x1,…,xN}{x1,…,xN}\{x_1, \dots ,x_N\} de las observaciones de …

8 self-study  k-means  expectation-maximization  gaussian-mixture 

Supongamos que un grupo de personas evalúa cuánto les gustó una película en una escala discreta del 1 al 10, y desea un intervalo [ l , u ] tal que con (al menos) 95% de confianza, (al menos) 90 El% de todas las personas que ven la película lo …

8 nonparametric  tolerance-interval 

El procedimiento básico de coincidencia de puntaje de propensión funciona con datos de sección transversal (es decir, recopilados en un determinado momento). El popular comando psmatch2 utiliza una variable ficticia que indica que una observación pertenece al grupo de tratamiento o control. Sin embargo, en mi conjunto de datos, esta …

8 stata  panel-data  propensity-scores 

Supongamos que tenemos un instrumento binario que puede usarse para estimar el efecto de la variable endógena en el resultado . Suponga que el instrumento tiene una primera etapa significativa, se asigna aleatoriamente, satisface la restricción de exclusión y satisface la monotonicidad como se describe en Angrist e Imbens (1994). …

8 mathematical-statistics  econometrics  proof  instrumental-variables 

Mi supervisor plantea esta pregunta y no sé cómo explicarla. Por lo general, el nivel de confianza aceptado es 0.95, lo que significa que la probabilidad de error de tipo 1 es del 5%. Pero el poder generalmente aceptado es 0.8 (Cohen, 1988), lo que significa que la probabilidad de …

8 effect-size  power 

Ambas respuestas en estos hilos, una y dos afirman que debería transformarse antes de aplicar cualquier otra transformación a los predictores. De hecho, el capítulo de Weisberg sobre transformaciones se enfoca más en DV que en predictores, y también lo hace la página del manual powerTransform () del paquete de …

8 regression  data-transformation 

Tengo varios datos intermitentes. Con base en esos datos, me gustaría comparar varios métodos de pronóstico (suavizado exponencial, promedio móvil, Croston y Syntetos-Boylan), y decidir si Croston o Syntetos Boylan es mejor que SES o MA para datos intermitentes o no. La medida que me gustaría comparar es la Tasa …

8 forecasting  method-comparison  crostons-method  intermittent-time-series 

Estoy buscando papel (es) que hablen sobre "por qué bajo R2R2R^2 el valor es aceptable en las ciencias sociales o en la investigación educativa ". Por favor, indíqueme la revista correcta si conoce una.

8 correlation  references  r-squared  social-science 

Se prefieren los antecedentes no informativos en los casos en que el sesgo no es aceptable (es decir, salas de audiencias, etc.) Sin embargo, me parece que tendría sentido utilizar un enfoque frecuentista en su lugar. ¿Por qué el enfoque bayesiano incluso tiene un previo no informativo? ¡Gracias!

8 bayesian  prior  uninformative-prior 

Hemos ajustado una función no lineal a los datos observados. El siguiente paso debe ser la evaluación de la bondad de ajuste de esta función (como para modelos lineales).R2R2R^2 ¿Cuáles son las formas habituales de medir esto? Editar 1: El ajuste se realizó de la siguiente manera: Realizar una regresión …

8 goodness-of-fit  nonlinear 

Quiero hacer la clasificación de documentos representando cada documento como un conjunto de características. Sé que hay muchas maneras: BOW, TFIDF, ... Quiero utilizar la asignación de Dirichlet latente (LDA) para extraer las palabras clave del tema de CADA UNO documento. El documento está representado por estas palabras temáticas. Pero …

8 feature-selection  text-mining  topic-models  latent-dirichlet-alloc 

Estoy usando el paquete metafor en R. He ajustado un modelo de efectos aleatorios con un predictor continuo de la siguiente manera SIZE=rma(yi=Ds,sei=SE,data=VPPOOLed,mods=~SIZE) Lo que produce la salida: R^2 (amount of heterogeneity accounted for): 63.62% Test of Moderators (coefficient(s) 2): QM(df = 1) = 9.3255, p-val = 0.0023 Model Results: …

8 r  meta-analysis  meta-regression 

Hay muchas reglas para seleccionar un ancho de contenedor óptimo en un histograma 1D (ver por ejemplo ) Estoy buscando una regla que aplique la selección de anchos óptimos de bin igual en histogramas bidimensionales . ¿Existe tal regla? Quizás una de las reglas bien conocidas para los histogramas 1D …

8 optimization  histogram 

La función de probabilidad de una distribución lognormal es: F( x ; μ , σ) ∝∏norteyo11σXyoExp( -( lnXyo- μ)22σ2)F(X;μ,σ)∝∏yo1norte1σXyoExp⁡(-(En⁡Xyo-μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) y el Prior de Jeffreys es: p ( μ , σ) ∝1σ2pags(μ,σ)∝1σ2p(\mu,\sigma) \propto \frac{1}{\sigma^2} combinando …

8 bayesian  prior  posterior  conjugate-prior  uninformative-prior