Estatísticas e Big Data

As florestas aleatórias funcionam criando um conjunto de árvores de decisão em que cada árvore é criada usando uma amostra de autoinicialização dos dados de treinamento originais (amostra de variáveis ​​de entrada e observações). Um processo semelhante pode ser aplicado para regressão linear? Crie k modelos de regressão linear usando …

14 regression  predictive-models  ensemble 

Estou tentando entender o resultado que vejo no meu gráfico abaixo. Normalmente, costumo usar o Excel e obter uma linha de regressão linear, mas no caso abaixo, estou usando R e recebo uma regressão polinomial com o comando: ggplot(visual1, aes(ISSUE_DATE,COUNTED)) + geom_point() + geom_smooth() Então, minhas perguntas se resumem a …

14 r  regression  data-visualization  outliers 

Hoje me perguntaram se um valor de p de 0,05 (exatamente) é considerado significativo (dado alfa = 5%) ou não. Eu não sabia a resposta e o Google encontrou as duas respostas: (a) o resultado é significativo se p for menor que 5% e (b) se p for menor que …

14 hypothesis-testing  statistical-significance  p-value 

Quero desenvolver um modelo de previsão (Cox PH) para mortalidade por todas as causas em um conjunto de dados de participantes dos quais (quase) todos morreram no final do acompanhamento (por exemplo, 1 ano). Em vez de prever o risco absoluto de morrer em um determinado ponto no tempo, eu …

14 survival  prediction  cox-model 

Versão curta: Estou procurando um pacote R que pode construir árvores de decisão, enquanto cada folha na árvore de decisão é um modelo completo de regressão linear. AFAIK, a biblioteca rpartcria árvores de decisão em que a variável dependente é constante em cada folha. Existe outra biblioteca (ou uma rpartconfiguração …

14 r  regression  rpart  cart 

Gostaria de estimar a correlação entre: Uma variável ordinal: solicita-se aos sujeitos que classifiquem sua preferência por 6 tipos de frutas em uma escala de 1 a 5 (variando de muito nojento a muito saboroso). Em geral, os sujeitos usam apenas 3 pontos da escala. Uma variável contínua: os mesmos …

14 correlation  ordinal-data  spearman-rho  continuous-data 

No Libre Office Calc, a rand()função está disponível, que escolhe um valor aleatório entre 0 e 1 de uma distribuição uniforme. Estou um pouco enferrujado com a minha probabilidade, então, quando vi o seguinte comportamento, fiquei perplexo: A = Coluna 200x1 de rand()^2 B = Coluna 200x1 de rand()*rand() mean(A) …

14 expected-value  random-generation  uniform 

Parece bastante comum descrever os valores de alfa de Cronbach da seguinte maneira: α ≥ 0,9 Excelente 0,7 ≤ α <0,9 Bom 0,6 ≤ α <0,7 Aceitável 0,5 ≤ α <0,6 Insatisfatório α <0,5 Inaceitável De onde vêm esses valores? Não consigo encontrar um artigo de pesquisa original descrevendo esses. …

14 reliability  psychometrics  cronbachs-alpha 

Eu tenho um modelo linear com cerca de 6 preditores e vou apresentar as estimativas, valores F, valores p, etc. No entanto, eu queria saber qual seria o melhor gráfico visual para representar o efeito individual de um único preditor em a variável de resposta? Gráfico de dispersão? Gráfico condicional? …

14 r  regression  data-visualization  multiple-regression  partial-plot 

Recebi dados para analisar um estudo que analisava os efeitos de um tratamento sobre os níveis de ferro em quatro momentos diferentes (antes do tratamento, o dia em que o tratamento terminou, 4 semanas após o tratamento e 2-4 meses após o tratamento). Não há grupo de controle. Eles estão …

14 repeated-measures  multiple-comparisons  wilcoxon-signed-rank 

Em um artigo, encontrei a fórmula para o desvio padrão de um tamanho de amostra NNN σ=R¯¯¯¯2.534σ=R¯2.534\sigma=\frac{\overline{R}}{2.534} onde R¯¯¯¯R¯\overline{R} é o intervalo médio de subamostras (tamanho 666 ) da amostra principal. Como o número 2.5342.5342.534 é calculado? Esse é o número correto?

14 standard-deviation  descriptive-statistics  range 

Os dados que queremos usar como variável dependente se parecem com isso (são dados de contagem). Tememos que, uma vez que tenha um componente cíclico e uma estrutura de tendências, a regressão acabe tendendo de alguma forma. Usaremos uma regressão binomial negativa, caso isso ajude. Os dados são um painel …

14 autocorrelation  panel-data  fixed-effects-model  trend  lags 

Eu sei que o k-means geralmente é otimizado usando a Maximização de Expectativas . No entanto, podemos otimizar sua função de perda da mesma maneira que otimizamos qualquer outra! Encontrei alguns trabalhos que realmente usam descida gradiente estocástica para médias k em larga escala, mas não consegui responder à minha …

14 optimization  k-means  expectation-maximization  loss-functions 

Segundo a Wikipedia, a distribuição de probabilidade beta tem dois parâmetros de forma:αα\alpha eββ\beta . Quando ligo scipy.stats.beta.fit(x)para Python, onde xhá um monte de números no intervalo , quatro valores são retornados. Isso me parece estranho.[0,1][0,1][0,1] Após pesquisar no Google, achei que um dos valores de retorno deve ser 'location', …

14 python  scipy  beta-distribution 

A seguir, é descrito o que estou tentando realizar, mas é possível que uma declaração alternativa de problema possa descrever meu objetivo: eu quero divida os seguintes números em grupos em que as variações dos números em cada grupo não são muito grandes e as diferenças entre as médias dos …

14 clustering  relative-distribution