Estadísticas y Big Data

Tengo una matriz de 336x256 números de coma flotante (336 genomas bacterianos (columnas) x 256 frecuencias de tetranucleótidos normalizadas (filas), por ejemplo, cada columna suma 1). Obtengo buenos resultados cuando ejecuto mi análisis utilizando el análisis de componentes principales. Primero calculo los grupos de kmeans en los datos, luego ejecuto …

27 r  pca  tsne 

Estaba leyendo el siguiente enlace sobre regresión no lineal SAS no lineal . Mi comprensión al leer la primera sección "Regresión no lineal versus regresión lineal" fue que la siguiente ecuación es en realidad una regresión lineal, ¿es eso correcto? Si es así, ¿por qué? y= b1X3+ b2X2+ b3x + …

27 regression  multiple-regression  nonlinear-regression  multicollinearity 

En la arimafunción en R, ¿qué order(1, 0, 12)significa? ¿Cuáles son los valores que se pueden asignar a p, d, q, y lo que es el proceso de encontrar esos valores?

27 r  time-series  arima 

Un proceso estocástico es un proceso que evoluciona con el tiempo, entonces, ¿es realmente una forma más elegante de decir "series temporales"?

27 time-series  stochastic-processes  definition 

Cuando comencé a aprender estadísticas, los procedimientos como la prueba t, ANOVA, chi-cuadrado y regresión lineal parecían ser criaturas muy diferentes. Pero ahora me doy cuenta de que estos procedimientos hacen más o menos lo mismo. Del mismo modo, valores como la varianza, los residuos, el error estándar y la …

27 definition 

Si tengo un conjunto de datos con observaciones y variables (dimensiones), y generalmente es pequeño ( ), y puede variar de pequeño ( ) a quizás mucho más grande ( )nortennn n = 12 - 16 p p = 4 - 10 p = 30 - 50pagsppnortennn = 12 - …

27 pca  sample-size  factor-analysis 

Tengo un clasificador en el que estoy haciendo validación cruzada, junto con un centenar de características en las que estoy haciendo la selección hacia adelante para encontrar combinaciones óptimas de características. También comparo esto con la ejecución de los mismos experimentos con PCA, donde tomo las características potenciales, aplico SVD, …

27 classification  pca  feature-selection 

En un artículo reciente , Masicampo y Lalande (ML) recolectaron una gran cantidad de valores p publicados en muchos estudios diferentes. Observaron un curioso salto en el histograma de los valores p justo en el nivel crítico canónico del 5%. Hay una buena discusión sobre este fenómeno de ML en …

27 statistical-significance  p-value  meta-analysis 

Mi profesor de estadística afirma que la palabra "correlación" se aplica estrictamente a las relaciones lineales entre variables, mientras que la palabra "asociación" se aplica ampliamente a cualquier tipo de relación. En otras palabras, afirma que el término "correlación no lineal" es un oxímoron. Por lo que puedo hacer de …

27 correlation  terminology  non-independent 

Quizás esta pregunta sea ingenua, pero: Si la regresión lineal está estrechamente relacionada con el coeficiente de correlación de Pearson, ¿hay alguna técnica de regresión estrechamente relacionada con los coeficientes de correlación de Kendall y Spearman?

27 regression  correlation  pearson-r  spearman-rho  kendall-tau 

Me he encontrado con esta cita en numerosas ocasiones: Consultar al estadístico después de terminar un experimento es a menudo simplemente pedirle que realice un examen post mortem. Quizás pueda decir de qué murió el experimento. - Ronald Fisher (1938) Para mí, parece quizás un poco presuntuoso. Los únicos ejemplos …

27 experiment-design 

En un modelo multinivel, ¿cuáles son las implicaciones prácticas y relacionadas con la interpretación de estimar los parámetros de correlación de efectos aleatorios versus no estimar? La razón práctica para preguntar esto es que en el marco de Imer en R, no hay un método implementado para estimar los valores …

27 r  mixed-model  lme4-nlme  random-effects-model 

Mi problema: el ensayo aleatorizado de grupos paralelos que tiene una distribución muy sesgada del resultado primario. No quiero asumir la normalidad y usar IC del 95% basados ​​en la normalidad (es decir, usando 1.96 X SE). Me siento cómodo expresando la medida de tendencia central como la mediana, pero …

27 confidence-interval  bootstrap  median  clinical-trials 

Como el consenso general parece ser el uso de modelos mixtos a través lmer()de R en lugar de ANOVA clásico (por las razones frecuentemente citadas, como diseños desequilibrados, efectos aleatorios cruzados, etc.), me gustaría probarlo con mis datos. Sin embargo, me preocupa poder "vender" este enfoque a mi supervisor (que …

27 r  mixed-model  repeated-measures  lme4-nlme  references 

Reflexiono sobre la discusión en torno a esta pregunta y, en particular, sobre el comentario de Frank Harrell de que la estimación de la varianza en un modelo reducido (es decir, uno a partir del cual se probaron y rechazaron varias variables explicativas) debería usar los grados de libertad generalizados …

27 r  regression  model-selection  regression-strategies