Estatísticas e Big Data

Desejo entender melhor os prós / contras do uso de splines loess ou suavizantes para suavizar alguma curva. Outra variação da minha pergunta é se existe uma maneira de construir um spline de suavização de uma maneira que produza os mesmos resultados que usar loess. Qualquer referência ou insight é …

25 regression  splines  loess 

Estou computando um filtro Kalman muito simples (passeio aleatório + modelo de ruído). Acho que a saída do filtro é muito semelhante a uma média móvel. Existe uma equivalência entre os dois? Se não, qual é a diferença?

25 kalman-filter 

ao integrar uma função ou em simulações complexas, vi que o método de Monte Carlo é amplamente utilizado. Estou me perguntando por que não se gera uma grade de pontos para integrar uma função em vez de desenhar pontos aleatórios. Isso não traria resultados mais exatos?

25 monte-carlo 

Em um artigo recente que discute os deméritos de confiar no valor-p da inferência estatística, chamado "Matrixx vs. Siracusano e Student vs. Fisher, Estatística significante no julgamento" (DOI: 10.1111 / j.1740-9713.2011.00511.x), Stephen T. Ziliak se opõe ao uso de valores-p. Nos parágrafos finais, ele diz: Os dados são a única …

25 r  hypothesis-testing  statistical-significance  bayesian  p-value 

Estou escrevendo minha tese de doutorado e percebi que confio excessivamente em gráficos de caixas para comparar distribuições. Quais outras alternativas você gosta para realizar essa tarefa? Também gostaria de perguntar se você conhece algum outro recurso, como a galeria R, na qual eu possa me inspirar com diferentes idéias …

25 r  distributions  data-visualization  boxplot  relative-distribution 

Entendo a lógica da codificação para análise de dados. Minha pergunta abaixo é sobre o uso de um código específico. Existe uma razão pela qual o sexo é frequentemente codificado como 0 para o sexo feminino e 1 para o sexo masculino? Por que essa codificação é considerada 'padrão'? Compare …

25 data-transformation  binary-data  categorical-encoding  units 

No meu curso básico de estatística, aprendi a construir um intervalo de confiança de 95%, como média da população, , com base na normalidade assintótica para tamanhos de amostra "grandes". Além dos métodos de reamostragem (como o bootstrap), há outra abordagem baseada na "probabilidade do perfil" . Alguém poderia elucidar …

25 confidence-interval  profile-likelihood 

Qual é a melhor maneira de definir o processo de ruído branco para que seja intuitivo e fácil de entender?

25 time-series 

Fiquei imaginando como os bayesianos da comunidade CrossValidated veem o problema da incerteza do modelo e como preferem lidar com isso. Vou tentar colocar minha pergunta em duas partes: Qual a importância (na sua experiência / opinião) é lidar com a incerteza do modelo? Não encontrei nenhum documento que lide …

25 machine-learning  bayesian  model-selection 

Este é o meu primeiro post, portanto, fique tranquilo se eu não estiver seguindo alguns padrões! Fiz uma busca pela minha pergunta e nada apareceu. Minha pergunta está relacionada principalmente às diferenças práticas entre modelagem linear geral (GLM) e modelagem linear generalizada (GZLM). No meu caso, seriam algumas variáveis ​​contínuas …

25 modeling  linear-model 

Eu sei que em uma situação de regressão, se você tem um conjunto de variáveis ​​altamente correlacionadas, isso geralmente é "ruim" devido à instabilidade nos coeficientes estimados (a variação vai para o infinito, enquanto o determinante vai para zero). Minha pergunta é se essa "maldade" persiste em uma situação de …

25 pca  multicollinearity 

Encontrei alguns guias sugerindo que eu use o nlm de R para estimar a probabilidade máxima. Mas nenhum deles (incluindo a documentação de R ) fornece muita orientação teórica para quando usar ou não a função. Até onde eu sei, o nlm está apenas descendo gradualmente ao longo das linhas …

25 r  maximum-likelihood 

Suponha que eu faça uma regressão logística univariada em várias variáveis ​​independentes, como esta: mod.a <- glm(x ~ a, data=z, family=binominal("logistic")) mod.b <- glm(x ~ b, data=z, family=binominal("logistic")) Fiz uma comparação de modelo (teste de razão de verossimilhança) para ver se o modelo é melhor que o modelo nulo por …

25 r  logistic  diagnostic 

Além das características óbvias do classificador, como custo computacional, tipos de dados esperados de recursos / etiquetas e adequação a determinados tamanhos e dimensões de conjuntos de dados, Quais são os cinco principais classificadores (ou 10, 20?) para experimentar primeiro um novo conjunto de dados sobre o qual ainda não …

25 machine-learning  classification  methodology 

Como biólogo, muitos dos projetos de pesquisa em que trabalho em algum momento envolvem colaboração com um estatístico, seja para conselhos simples ou para implementar e testar um modelo para meus dados. Meus colegas de estatística admitem que fazem uma quantidade significativa de colaboração, na medida em que o processo …

25 academia