Estadísticas y Big Data

¿Por qué jerárquico? : He intentado investigar este problema, y ​​por lo que entiendo, este es un problema "jerárquico", porque estás haciendo observaciones sobre observaciones de una población, en lugar de hacer observaciones directas de esa población. Referencia: http://www.econ.umn.edu/~bajari/iosp07/rossi1.pdf ¿Por qué bayesiano? : Además, lo etiqueté como bayesiano porque puede …

8 bayesian  mcmc  jags  hierarchical-bayesian  pymc 

Tengo algunas preguntas básicas sobre PCA (análisis de componentes principales) y LDA (análisis discriminante lineal): En PCA hay una manera de calcular la proporción de varianza explicada. ¿También es posible para LDA? ¿Si es así, cómo? ¿Es la salida "Proporción de traza" de la ldafunción (en la biblioteca R MASS) …

8 r  variance  pca  discriminant-analysis 

Estaba siguiendo este artículo wiki relacionado con el kriging ordinario Ahora mi matriz de covarianza se ve así, para 4 variables 1 0.740818220681718 0.548811636094027 0.406569659740599 0.740818220681718 1 0.740818220681718 0.548811636094027 0.548811636094027 0.740818220681718 1 0.740818220681718 0.406569659740599 0.548811636094027 0.740818220681718 1 Bueno, la relación entre semvariograma y variograma viene dada por γ(h)/(C0)=1−C(h)/C(0)γ(h)/(C0)=1−C(h)/C(0)\gamma(h)/(C0) = 1 …

8 covariance  autocorrelation  variogram 

Tengo esta confusión relacionada con la distribución predictiva del proceso gaussiano. Estaba leyendo este papel No entendí cómo la integración dio ese resultado. ¿Qué es P (u * | x ​​*, u)? Además, ¿cómo es que la covarianza de la distribución posterior esσ2(σ2yo+ K)- 1Kσ2(σ2yo+K)-1K\sigma^2(\sigma^2I+K)^{-1}K

8 regression  normal-distribution  gaussian-process 

Un proceso ARMA (p, q) es débilmente estacionario, si la raíz de su parte AR no está en el círculo unitario. Por lo tanto, su débil estacionariedad no depende de su parte MA. Pero, ¿qué pueden implicar las posiciones de las raíces de su parte MA? En las pruebas de …

8 time-series  unit-root  moving-average 

En MCMC, ¿cómo se elige el tiempo de quemado? En otras palabras, ¿cuánto tiempo debe esperar antes de pensar que la cadena de Markov ha alcanzado su distribución límite? ¡Gracias!

8 mcmc 

Quiero calcular los errores estándar de una distribución hiperbólica ajustada. En mi notación, la densidad viene dada por Estoy usando el paquete HyperbolicDistr en R. Calculo los parámetros mediante el siguiente comando:H(l;α,β,μ,δ)=α2−β2−−−−−−√2αδK1(δα2−β2−−−−−−√)exp(−αδ2+(l−μ)2−−−−−−−−−−√+β(l−μ))H(l;α,β,μ,δ)=α2−β22αδK1(δα2−β2)exp(−αδ2+(l−μ)2+β(l−μ))\begin{align*} H(l;\alpha,\beta,\mu,\delta)&=\frac{\sqrt{\alpha^2-\beta^2}}{2\alpha \delta K_1 (\delta\sqrt{\alpha^2-\beta^2})} exp\left(-\alpha\sqrt{\delta^2+(l-\mu)^2}+\beta(l-\mu)\right) \end{align*} hyperbFit(mydata,hessian=TRUE) Esto me da una parametrización incorrecta. Lo cambio a mi parametrización …

8 distributions  standard-error  fitting  delta-method 

Tengo un conjunto de observaciones, independiente del tiempo. Me pregunto si debería ejecutar alguna prueba de autocorrelación. Me parece que no tiene sentido, ya que no hay un componente de tiempo en mis datos. Sin embargo, en realidad probé la prueba LM de correlación en serie e indica una fuerte …

8 multiple-regression  least-squares  autocorrelation  residuals  cross-section 

Mi diseño es el siguiente. yyy es la respuesta de Bernoulli X1X1x_1 es una variable continua X2X2x_2 es una variable categórica (factor) con dos niveles El experimento está completamente dentro de los sujetos. Es decir, cada sujeto recibe cada combinación deX1X1x_1 y X2X2x_2. Esta es una configuración de regresión logística …

8 r  repeated-measures  glmm  lme4-nlme 

Tengo los resultados de un metanálisis de 10 estudios que informan una relación de probabilidad de efectos aleatorios combinados (calculada usando el método de Woolf) y un intervalo de confianza del 95% de un evento que ocurre en un grupo en relación con otro: OR=7.1 (95% CI 4.4−11.7)OR=7.1 (95% CI …

8 confidence-interval  standard-deviation  lognormal 

He visto algunos artículos de investigación que afirman que las redes neuronales clásicas generalmente carecen de una capacidad de generalización satisfactoria, lo que generalmente da como resultado predicciones imprecisas, y las ANNs regularizadas bayesianas (BRANN) son más robustas que las redes estándar de propagación inversa y pueden reducir o eliminar …

8 bayesian  neural-networks 

Estoy tratando de estimar un modelo de elección ocupacional con tres opciones. ¿Hay alguna alternativa al uso de la regresión logística multinomial cuando se manejan resultados categóricos tan desordenados? Cuando se trata de variables dependientes binarias, parece haber varias opciones, como el modelo LPM y el modelo binario probit y …

8 regression  logit  probit  link-function  multinomial-logit 

Tengo un conjunto de datos meteorológicos diarios, que tiene, como era de esperar, un efecto estacional muy fuerte. Adapté un modelo ARIMA a este conjunto de datos usando la función auto.arima del paquete de pronóstico. Para mi sorpresa, la función no aplica ninguna operación estacional: diferenciación estacional, componentes estacionales ar …

8 r  time-series  forecasting  arima  arma 

He llevado a cabo una agrupación de puntos de coordenadas (longitud, latitud) y he encontrado resultados sorprendentes y adversos de los criterios de agrupación para el número óptimo de agrupaciones. Los criterios se toman del clusterCrit()paquete. Los puntos que estoy tratando de agrupar en una parcela (las características geográficas del …

8 r  clustering 

En los últimos días, he estado realizando algunas investigaciones sobre mapas autoorganizados para un proyecto en la escuela. He llegado a comprender que los mapas autoorganizados se pueden utilizar para reducir la dimensionalidad de sus datos. Sin embargo, no entiendo cómo funciona esto. Por ejemplo, supongamos que tiene una red …

8 data-transformation  dimensionality-reduction  self-organizing-maps