Estadísticas y Big Data

Tengo dos preguntas sobre el uso de bosque aleatorio (específicamente randomForest en R) para la imputación de valor faltante (en el espacio del predictor). 1) ¿Cómo funciona el algoritmo de imputación, específicamente cómo y por qué se requiere la etiqueta de clase para la imputación? ¿Es la matriz de proximidad …

8 data-mining  predictive-models  missing-data  random-forest  data-imputation 

¿Cómo puedo calcular la sensibilidad y la especificidad (o medidas análogas) de una prueba de diagnóstico continuo para predecir un resultado continuo (por ejemplo, presión arterial) sin dicotomizar el resultado? ¿Algunas ideas? Parece que los investigadores han hecho esto usando modelos de efectos mixtos (ver enlace a continuación), pero no …

8 classification  mixed-model  predictive-models  roc  continuous-data 

Estoy tratando de realizar un análisis de crecimiento de clase latente (LCGA) y / o modelos de mezcla de crecimiento (GMM) en R. Los datos que estoy usando es un número cada vez mayor de tenedores de repositorios git (variable discreta, no categórica), como puedes ver en este conjunto de …

8 r  latent-variable  latent-class  growth-mixture-model 

Tengo una pregunta que me ocupa por un tiempo. La prueba de entropía se usa a menudo para identificar datos cifrados. La entropía alcanza su máximo cuando los bytes de los datos analizados se distribuyen uniformemente. La prueba de entropía identifica datos cifrados, porque estos datos tienen una distribución uniforme, …

8 distributions  hypothesis-testing  chi-squared  entropy  compression 

Tengo algunos datos en los que hay 5 variables explicativas categóricas ( concern, breath, weath, sleep, act) y 1 variable de respuesta continua ( tto). Además, cada variable explicativa categórica se divide en 5 niveles que muestran cuán fuerte se siente una persona al respecto. el nivel 1 y el …

8 interpretation  boxplot 

Tengo algunas preguntas sobre cómo analizar los datos clasificados. Los datos se ven así: a 4 grupos de personas con VIH y a otros 16 grupos de personas que viven en la misma aldea se les pidió que clasificaran 12 desafíos para las personas con VIH según su importancia. (por …

8 ordinal-data  ranking  group-differences 

No soy un mago de las matemáticas, así que por favor mantenga su respuesta lo suficientemente simple. Necesito completar un examen de detección de estadísticas para un curso de métodos más tarde hoy, y estoy colgado sobre un tema que surgió durante el examen de práctica. El conjunto de datos …

8 standard-deviation 

Actualmente estoy usando R para predecir una serie temporal con estas instrucciones: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Como puede ver, tengo datos cada hora, y elegí el período estacional de 24 (un día). Me gustaría mejorar mi pronóstico utilizando un período …

8 r  time-series  arima  seasonality  multiple-seasonalities 

Múltiples métodos de aprendizaje del núcleo tienen como objetivo construir un modelo de núcleo donde el núcleo es una combinación lineal de núcleos de base fija. Aprender el núcleo consiste en aprender los coeficientes de ponderación para cada núcleo base, en lugar de optimizar los parámetros del núcleo de un …

8 machine-learning  svm  kernel-trick 

Los datos consisten en espectros ópticos (intensidad de luz contra frecuencia) registrados en diferentes tiempos. Los puntos se adquirieron en una cuadrícula regular en x (tiempo), y (frecuencia). Para analizar la evolución del tiempo a frecuencias específicas (un aumento rápido, seguido de una disminución exponencial), me gustaría eliminar parte del …

8 r  time-series  multivariate-analysis  references  smoothing 

Estoy trabajando en un pequeño proyecto, que se encuentra en la etapa inicial de desarrollo en este momento. Lo que intento averiguar es cómo genero música aleatoria, especialmente notas. Al buscar en Google solo he logrado encontrar un generador de notas de rescate y mucha música aleatoria, donde la palabra …

8 random-generation  musical-data-analysis 

El problema del mundo real Uno de mis clientes se está preparando para enviar un correo directo a su lista de usuarios suscritos, y surgió este desafío estadístico. Su equipo de marketing tiene 3 folletos diferentes y quiere saber qué folleto obtiene la tasa de respuesta más alta. También les …

8 hypothesis-testing  anova  statistical-significance 

¿Alguien tiene un breve ejemplo educativo breve sobre cómo usar las redes neuronales ( nneten R por ejemplo) con el propósito de predicción? Aquí hay un ejemplo, en R, de una serie temporal T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Esto es solo un ejemplo, …

8 r  time-series  machine-learning  neural-networks  nnet 

He estado investigando el paquete de ratones , y aún no he descubierto una forma de usar las imputaciones múltiples para hacer un modelo de Cox, luego validar ese modelo con la función del paquete rmsvalidate() . Aquí hay un código de muestra de lo que tengo hasta ahora, usando …

8 r  survival  cox-model  data-imputation  rms 

Mientras cursaba un curso de estadística para estudiantes de medicina, me encontré con un problema relacionado con las tasas de incidencia. El contexto del problema es un capítulo sobre la distribución de Poisson. En el problema, 2300 fumadores son seguidos durante un período de 1 año durante el cual 24 …

8 poisson-distribution  epidemiology