Estatísticas e Big Data

Uma pergunta de iniciante sobre o resíduo de Pearson no contexto do teste do qui-quadrado para a qualidade do ajuste: Além da estatística de teste, a chisq.testfunção de R reporta o resíduo de Pearson: (obs - exp) / sqrt(exp) Entendo por que olhar para a diferença bruta entre valores observados …

16 chi-squared  goodness-of-fit  residuals 

O limite superior de Fréchet-Hoeffding se aplica à função de distribuição de cópula e é dado por C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. Existe um limite superior semelhante (no sentido de que depende das densidades marginais) para a cópula densidade c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) vez do CDF? Qualquer referência seria muito apreciada.

16 references  joint-distribution  bounds  copula 

Não tenho certeza se normalizar é a palavra correta a ser usada aqui, mas tentarei ilustrar o que estou tentando perguntar. O estimador usado aqui é de mínimos quadrados. Suponha que você tem y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , você pode centralizá-lo em torno da média de y=β′0+β1x′1y=β0′+β1x1′y=\beta_0'+\beta_1x_1' onde β′0=β0+β1x¯1β0′=β0+β1x¯1\beta_0'=\beta_0+\beta_1\bar x_1 e x′1=x−x¯x1′=x−x¯x_1'=x-\bar x …

16 regression  self-study  least-squares  regression-coefficients 

Existe alguma informação lá fora sobre a distribuição cujo nnn º cumulant é dada por 1n1n\frac 1 n ? A função geradora de cumulante é da forma κ(t)=∫10etx−1x dx.κ(t)=∫01etx−1x dx. \kappa(t) = \int_0 ^ 1 \frac{e^{tx} - 1}{x} \ dx. Corri através dele como a distribuição limitadora de algumas variáveis …

16 distributions  mgf  cumulants 

Usando Rpara executar a decomposição do STL, s.windowcontrola a rapidez com que o componente sazonal pode mudar. Valores pequenos permitem mudanças mais rápidas. Definir a janela sazonal como infinita equivale a forçar o componente sazonal a ser periódico (ou seja, idêntico ao longo dos anos). Minhas perguntas: Se eu tiver …

16 r  time-series  trend  seasonality 

Eu tenho uma pergunta sobre a técnica adequada de inicialização para usar com dados em que um cluster forte está presente. Fui encarregado de avaliar um modelo preditivo de efeitos mistos multivariados nos dados de reivindicações de seguros, pontuando o modelo de linha de base atual em dados de reivindicações …

16 bootstrap  random-effects-model  mixed-model 

Eu tenho um conjunto de dados de teste altamente desequilibrado. O conjunto positivo consiste em 100 casos, enquanto o conjunto negativo consiste em 1500 casos. No lado do treinamento, eu tenho um pool de candidatos maior: o conjunto de treinamento positivo tem 1200 casos e o conjunto de treinamento negativo …

16 machine-learning  classification  data-mining  svm  bioinformatics 

Estou tentando provar que a matriz de informações observada avaliada no estimador de verossimilhança máxima fraca consistentemente consistente (MLE) é um estimador fracamente consistente da matriz de informações esperada. Este é um resultado amplamente citado, mas ninguém fornece uma referência ou uma prova (acabei as 20 primeiras páginas de resultados …

16 maximum-likelihood  expected-value  asymptotics  information  fisher-information 

Na rotina rpart () para criar modelos CART, você especifica o parâmetro de complexidade para o qual deseja remover sua árvore. Eu vi duas recomendações diferentes para escolher o parâmetro de complexidade: Escolha o parâmetro de complexidade associado ao erro mínimo possível de validação cruzada. Este método é recomendado pelo …

16 r  cart  rpart 

Em seu artigo amplamente citado, distribuições anteriores para parâmetros de variância em modelos hierárquicos (916 citação até agora no Google Scholar) Gelman propõe que boas distribuições prévias não informativas para a variação em um modelo bayesiano hierárquico são a distribuição uniforme e a distribuição de meia tonelada. Se eu entendi …

16 bayesian  variance  prior  jags  hierarchical-bayesian 

Então, eu sou um novato no campo ML e tento fazer alguma classificação. Meu objetivo é prever o resultado de um evento esportivo. Reuni alguns dados históricos e agora tente treinar um classificador. Eu obtive cerca de 1200 amostras, 0,2 delas foram separadas para fins de teste, outras colocadas na …

16 classification  svm  feature-selection  random-forest 

As regras de parada afetam o relacionamento entre os valores P e as taxas de erro associadas às decisões. Um artigo recente de Simmons et al. 2011 cunha o termo graus de liberdade dos pesquisadores para descrever uma coleção de comportamentos que eles consideram responsáveis ​​por muitos dos relatórios da …

16 references  type-i-and-ii-errors  optimal-stopping 

Muitas distribuições têm "mitos de origem" ou exemplos de processos físicos que descrevem bem: Você pode obter dados normalmente distribuídos a partir de somas de erros não correlacionados pelo Teorema do Limite Central Você pode obter dados distribuídos binomialmente de lançamentos independentes de moedas ou variáveis ​​distribuídas por Poisson a …

16 distributions  laplace-distribution 

A distribuição binomial negativa tornou-se um modelo popular para dados de contagem (especificamente o número esperado de leituras de seqüenciamento dentro de uma determinada região do genoma de um determinado experimento) em bioinformática. As explicações variam: Alguns o explicam como algo que funciona como a distribuição de Poisson, mas tem …

16 poisson-distribution  negative-binomial  bioinformatics  sequence-analysis 

Suponha que eu tenha duas distribuições marginais univariadas, digamos e , das quais eu possa simular. Agora, construa sua distribuição conjunta usando uma cópula gaussiana , denominada . Todos os parâmetros são conhecidos.FFFGGGC(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) Existe um método não MCMC para simular a partir desta cópula?

16 normal-distribution  simulation  copula