Estadísticas y Big Data

Tengo datos recopilados de un experimento organizado de la siguiente manera: Dos sitios, cada uno con 30 árboles. 15 son tratados, 15 son control en cada sitio. De cada árbol, tomamos muestras de tres piezas del tallo y tres piezas de las raíces, por lo que 6 muestras de nivel …

34 r  mixed-model  model  nested-data  lme4-nlme 

Considere la siguiente figura de los Modelos lineales de Faraway con R (2005, p. 59). La primera gráfica parece indicar que los residuos y los valores ajustados no están correlacionados, ya que deberían estar en un modelo lineal homoscedástico con errores distribuidos normalmente. Por lo tanto, los gráficos segundo y …

34 regression  residuals  assumptions  graphical-model 

He visto algunas preguntas aquí sobre lo que significa en términos simples, pero estas son demasiado simples para mi propósito aquí. Estoy tratando de entender matemáticamente qué significa el puntaje AIC. Pero al mismo tiempo, no quiero una prueba de rigor que me haga no ver los puntos más importantes. …

34 self-study  model-selection  aic  entropy  information-theory 

Mi programa de estadísticas implementa los procedimientos de tasa de descubrimiento falso (FDR) de Benjamini & Hochberg (1995) y Benjamini & Yekutieli (2001). He hecho todo lo posible para leer el artículo posterior, pero es matemáticamente denso y no estoy razonablemente seguro de entender la diferencia entre los procedimientos. Puedo …

34 post-hoc  false-discovery-rate 

Sé que la distribución beta es conjugado a la binomial. Pero, ¿qué es el conjugado antes de la beta? Gracias.

34 beta-distribution  conjugate-prior 

Existen numerosos hilos en CrossValidated sobre el tema de selección de modelos y validación cruzada. Aquí hay algunos: Validación cruzada interna y externa y selección de modelo @ DikranMarsupial de la parte superior respuesta a la selección de funciones y la validación cruzada Sin embargo, las respuestas a esos hilos …

34 cross-validation  model-selection 

Este problema parece tener la cabeza fea todo el tiempo, y estoy tratando de decapitarlo para mi propia comprensión de las estadísticas (¡y la cordura!). Los supuestos de los modelos lineales generales (prueba t, ANOVA, regresión, etc.) incluyen el "supuesto de normalidad", pero he descubierto que esto rara vez se …

34 normal-distribution  residuals  normality-assumption 

Me refiero a este artículo: Hayes JR, Groner JI. "Utilizando puntajes de imputación y propensión múltiples para evaluar el efecto de los asientos de automóvil y el uso del cinturón de seguridad en la gravedad de las lesiones a partir de los datos del registro de traumatismos". J Pediatr Surg. …

34 missing-data  propensity-scores 

He leído algunos documentos que discuten los pros y los contras de cada método, algunos argumentan que GA no mejora en encontrar la solución óptima, mientras que otros muestran que es más eficaz. Parece que GA generalmente se prefiere en la literatura (aunque la mayoría de las personas lo modifican …

34 neural-networks  genetic-algorithms  backpropagation 

He estado investigando el significado de la propiedad positiva semi-definida de las matrices de correlación o covarianza. Estoy buscando cualquier información sobre Definición de semi-definición positiva; Sus propiedades importantes, implicaciones prácticas; La consecuencia de tener determinante negativo, el impacto en el análisis multivariante o resultados de la simulación etc.

34 covariance-matrix  eigenvalues  determinant  correlation-matrix 

Estoy tratando de entender cuándo usar un efecto aleatorio y cuándo es innecesario. Me han dicho que una regla de oro es si tienes 4 o más grupos / individuos que yo hago (15 alces individuales). Algunos de esos alces fueron experimentados 2 o 3 veces para un total de …

34 mixed-model  lme4-nlme  random-effects-model  glmm 

En mi conjunto de datos tenemos variables continuas y naturalmente discretas. Quiero saber si podemos hacer agrupaciones jerárquicas usando ambos tipos de variables. Y si es así, ¿qué medida de distancia es apropiada?

34 clustering  similarities  distance-functions  mixed-type-data 

Esta pregunta puede ser demasiado abierta para obtener una respuesta definitiva, pero espero que no. Los algoritmos de aprendizaje automático, como SVM, GBM, Random Forest, etc., generalmente tienen algunos parámetros libres que, más allá de alguna guía práctica, deben ajustarse a cada conjunto de datos. Esto generalmente se hace con …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

Me pregunto cuáles son las diferencias entre GLM mixtos y no mezclados. Por ejemplo, en SPSS, el menú desplegable permite a los usuarios ajustar: analyze-> generalized linear models-> generalized linear models Y analyze-> mixed models-> generalized linear ¿Tratan los valores perdidos de manera diferente? Mi variable dependiente es binaria y …

34 mixed-model  generalized-linear-model  glmm  gee 

Tengo un conjunto de datos que no está ordenado de ninguna manera en particular, pero cuando se traza claramente tiene dos tendencias distintas. Una regresión lineal simple realmente no sería adecuada aquí debido a la clara distinción entre las dos series. ¿Hay una manera simple de obtener las dos líneas …

34 time-series  python  curve-fitting