Estatísticas e Big Data

Qual é a diferença entre a intuição por trás das distribuições Gamma e Weibull? Existe alguma relação entre as duas densidades? Por favor, ajude.

16 gamma-distribution  weibull 

Dada uma variável prevista (P), um efeito aleatório (R) e um efeito fixo (F), pode-se ajustar dois * modelos de efeitos mistos ( sintaxe lme4 ): m1 = lmer( P ~ (1|R) + F ) m2 = lmer( P ~ (1+F|R) + F) Pelo que entendi, o segundo modelo é …

16 mixed-model 

http://www.chioka.in/differences-between-l1-and-l2-as-loss-function-and-regularization/ Se você olhar para o início deste post, o escritor menciona que a norma L2 tem uma solução única e a norma L1 tem possivelmente muitas soluções. Entendo isso em termos de regularização, mas não em termos do uso da norma L1 ou da norma L2 na função de …

16 regression  lasso  regularization 

Os valores da AUC-ROC podem estar entre 0-0,5? O modelo produz valores entre 0 e 0,5?

16 roc  model-evaluation  auc 

Digamos que temos um modelo mod <- Y ~ X*Condition + (X*Condition|subject) # Y = logit variable # X = continuous variable # Condition = values A and B, dummy coded; the design is repeated # so all participants go through both Conditions # subject = random effects for different …

16 mixed-model  lme4-nlme  overfitting  singular 

Estou treinando uma rede neural usando i) SGD e ii) Adam Optimizer. Ao usar o SGD normal, recebo uma curva suave de perda de treinamento versus iteração , como visto abaixo (o vermelho). No entanto, quando usei o Adam Optimizer, a curva de perda de treinamento tem alguns picos. Qual …

16 neural-networks  deep-learning  adam 

Marginal geralmente se refere a algo que é um pequeno efeito, algo que está do lado de fora de um sistema maior. Tende a diminuir a importância do que quer que seja descrito como "marginal". Então, como isso se aplica à probabilidade de um subconjunto de variáveis ​​aleatórias? Supondo que …

15 probability  terminology 

Já existe um post neste site falando sobre o mesmo problema: Por que o encolhimento funciona? Mas, embora as respostas sejam populares, não acredito que a essência da questão seja realmente abordada. É bastante claro que a introdução de algum viés na estimativa reduz a variação e pode melhorar a …

15 regularization  ridge-regression  shrinkage 

Pergunta Geral Digamos que temos dados iid x1x1x_1 , , ... entrando. Queremos calcular recursivamente a estimativa de probabilidade máxima de . Ou seja, tendo calculado observamos um novo x_n e desejamos atualizar de alguma forma incremental nossa estimativa \ hat {\ boldsymbol {\ theta}} _ {n-1}, \, x_n \ …

15 maximum-likelihood  online 

Estou tentando modelar alguns dados sobre os horários de chegada dos trens. Eu gostaria de usar uma distribuição que capte "quanto mais eu esperar, maior a probabilidade de o trem aparecer" . Parece que essa distribuição deve se parecer com um CDF, para que P (trem apareça | esperou 60 …

15 distributions  modeling 

O fenômeno de 'super dispersão' em um GLM surge sempre que usamos um modelo que restringe a variação da variável de resposta, e os dados exibem uma variação maior do que a restrição do modelo permite. Isso ocorre geralmente ao modelar dados de contagem usando um Poisson GLM, e pode …

15 generalized-linear-model  poisson-regression  overdispersion  quasi-likelihood 

O modelo de regressão linear faz um monte de suposições que a regressão quantílica não faz e, se as suposições da regressão linear forem atendidas, minha intuição (e alguma experiência muito limitada) é que a regressão mediana daria resultados quase idênticos aos da regressão linear. Então, quais são as vantagens …

15 regression  multiple-regression  quantile-regression 

Estou tentando criar uma figura que mostra a relação entre cópias virais e cobertura do genoma (GCC). É assim que meus dados são: No começo, acabei de traçar uma regressão linear, mas meus supervisores disseram que estava incorreto e que tentava uma curva sigmoidal. Então eu fiz isso usando geom_smooth: …

15 regression  modeling  curve-fitting  percentage 

Suponhamos que temos duas árvores de regressão (árvore A e B) que árvore mapa de entrada a saída y ∈ R . Vamos y = f A ( x ) para a árvore A e F B ( x ) para a árvore B. Cada árvore utiliza separações binárias, com …

15 regression  machine-learning  cart 

Como e por que os RNGs são importantes na estatística computacional? Entendo que a aleatoriedade é importante ao escolher amostras para muitos testes estatísticos, a fim de evitar distorções em relação a qualquer hipótese, mas existem outras áreas da estatística computacional em que os geradores de números aleatórios são importantes?

15 hypothesis-testing  monte-carlo  algorithms  random-generation  computational-statistics