Preguntas etiquetadas con eda

EDA significa "Análisis de datos exploratorios". Desarrollado por Tukey para contrastar con el Análisis de datos confirmatorios o CDA (la prueba formal de hipótesis). EDA generalmente se preocupa por describir datos numérica y gráficamente para hacer que los datos sean más fáciles de entender y generar nuevas ideas.

4
Las mejores formas de agregar y analizar datos
Recientemente comencé a enseñarme a mí mismo el Aprendizaje automático y el Análisis de datos. Me encuentro con un obstáculo en la necesidad de crear y consultar grandes conjuntos de datos. Me gustaría tomar datos que he estado agregando en mi vida profesional y personal y analizarlos, pero no estoy …
1
Cómo interpretar diagramas de caja con muescas
Mientras hacía EDA decidí usar un diagrama de caja para ilustrar la diferencia entre dos niveles de un factor. La forma en que ggplot representó el diagrama de caja fue satisfactoria, pero ligeramente simplista (primer diagrama a continuación). Mientras investigaba las características de los diagramas de caja, comencé a experimentar …
2
¿Qué se pretende con "Dejar que los datos hablen por sí mismos"?
Al leer el siguiente documento , me encontré con la siguiente declaración: Como se mencionó, a menudo se presenta sin ninguna referencia a modelos probabilísticos, en línea con la idea de Benzecri [1973] de "dejar que los datos hablen por sí mismos". (La cita es de JP Benzécri. L'analyse des …
10 eda  quotation 
4
¿Por qué el hecho de que 1 mediana sea más baja que otra mediana no significa que la mayoría en el grupo 1 es menor que la mayoría en el grupo 2?
Creí que los diagramas de caja a continuación podrían interpretarse como "la mayoría de los hombres son más rápidos que la mayoría de las mujeres" (en este conjunto de datos), principalmente porque el tiempo promedio de los hombres fue menor que el tiempo promedio de las mujeres. Pero el curso …
2
Bootstrapping paramétrico, semiparamétrico y no paramétrico para modelos mixtos
Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
2
¿Son necesarias las transformaciones de datos en datos no normales para un análisis factorial exploratorio cuando se utiliza el método de extracción de factorización de eje principal?
Estoy desarrollando un cuestionario para medir cuatro factores que constituyen la espiritualidad, y me gustaría hacer la siguiente pregunta: ¿Son necesarias las transformaciones de datos en datos no normales para un análisis factorial exploratorio cuando se utiliza el método de extracción de factorización de eje principal? Ayer terminé de analizar …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.