Estatísticas e Big Data

Eu gostaria de realizar uma previsão com base em um modelo ARIMA de várias séries temporais com várias variáveis ​​exógenas. Como não sou tão habilidoso em relação a estatísticas nem ao RI, quero mantê-lo o mais simples possível (a previsão de tendências por três meses é suficiente). Eu tenho 1 …

14 r  time-series  arima 

Se em que X i ~ N ( 0 , σ 2 ) , ou seja, todos os X i são variáveis aleatórias normais iid de média zero com as mesmas variações, em seguida, Y ~ Γ ( NY=∑i=1NX2iY=∑Eu=1NXEu2Y=\sum_{i=1}^{N}X_i^2Xi∼N(0,σ2)XEu∼N(0 0,σ2)X_i \sim \mathcal{N}(0,\sigma^2)XiXEuX_iY∼Γ(N2,2σ2).Y∼Γ(N2,2σ2).Y \sim \Gamma\left(\frac{N}{2},2\sigma^2\right). Eu sei que a distribuição qui-quadrado …

14 chi-squared  gamma-distribution 

Geralmente, os textos introdutórios das estatísticas aplicadas distinguem a média da mediana (geralmente no contexto da estatística descritiva e motivam a sumarização da tendência central usando a média, a mediana e o modo), explicando que a média é sensível aos valores extremos nos dados da amostra e / ou para …

14 mean  skewness  median  winsorizing  central-tendency 

Li aqui que era o número de graus de liberdade que eu deveria usar ao fazer um teste t para a significância de um coeficiente de regressão, mas não entendo o porquê. Meu entendimento era que os testes t geralmente tinham n - 1 graus de liberdade.n - p - …

14 regression  hypothesis-testing  multiple-regression  t-test 

O gráfico de barras e bigodes e o gráfico de barras são gráficos apropriados para ANOVA, de acordo com The R Book (Crawley, 2013), mas qual é o mais apropriado ? Suponho que depende da situação ... alguém pode me ajudar?

14 boxplot  rule-of-thumb  barplot 

Como parte de uma tarefa da Universidade, preciso realizar o pré-processamento de dados em um conjunto de dados brutos bastante grande e multivariado (> 10). Eu não sou um estatístico em nenhum sentido da palavra, então estou um pouco confuso com o que está acontecendo. Peço desculpas antecipadamente pelo que …

14 pca 

Estou tentando entender como calcular o ponto de corte ideal para uma curva ROC (o valor no qual a sensibilidade e a especificidade são maximizadas). Estou usando o conjunto aSAHde dados do pacotepROC . A outcomevariável pode ser explicada por duas variáveis ​​independentes: s100be ndka. Usando a sintaxe do Epipacote, …

14 r  roc  sensitivity-analysis  sensitivity-specificity 

Eu sou novo na linguagem R. Eu gostaria de saber como simular a partir de um modelo de regressão linear múltipla que atenda às quatro suposições da regressão. ok .. obrigado. Digamos que eu queira simular os dados com base neste conjunto de dados: y<-c(18.73,14.52,17.43,14.54,13.44,24.39,13.34,22.71,12.68,19.32,30.16,27.09,25.40,26.05,33.49,35.62,26.07,36.78,34.95,43.67) x1<-c(610,950,720,840,980,530,680,540,890,730,670,770,880,1000,760,590,910,650,810,500) x2<-c(1,1,3,2,1,1,3,3,2,2,1,3,3,2,2,2,3,3,1,2) fit<-lm(y~x1+x2) summary(fit) então …

14 r  multiple-regression  simulation 

Estou procurando um método para transformar meu conjunto de dados de sua média atual e desvio padrão em uma média de destino e um desvio padrão de destino. Basicamente, quero diminuir / expandir a dispersão e dimensionar todos os números para uma média. Não funciona para fazer duas transformações lineares …

14 data-transformation  standard-deviation  mean 

Atualmente, estou usando a caixa de ferramentas RF no MATLAB para uma classificação binária Conjunto de dados: 50000 amostras e mais de 250 recursos Então, qual deve ser o número de árvores e o recurso selecionado aleatoriamente em cada divisão para cultivar as árvores? outro parâmetro pode afetar muito os …

14 machine-learning  classification  random-forest 

Preciso agrupar unidades em clusters para minimizar a soma de quadrados dentro do grupo (WSS), mas preciso garantir que cada um dos clusters contenha pelo menos m unidades. Alguma idéia se alguma das funções de cluster de R permitir agrupar em k clusters sujeitos a uma restrição mínima de tamanho …

14 r  clustering 

Eu tenho tentado discernir o que exatamente a saída "coef" e "(exp) coef" do coxph significa. Parece que o "(exp) coef" são comparações da primeira variável no modelo de acordo com o grupo designado no comando. Como a função coxph chega aos valores de "coef" e "(exp) coef"? Além disso, …

14 r  survival  interpretation 

Se o valor esperado de for , qual é o valor esperado de ? Pode ser calculado analiticamente?G a m m a (α,β)Gamma(α,β)\mathsf{Gamma}(\alpha, \beta)αβαβ\frac{\alpha}{\beta}registro( G a m m a ( α , β) ))log⁡(Gamma(α,β))\log(\mathsf{Gamma}(\alpha, \beta)) A parametrização que estou usando é a taxa de forma.

14 expected-value  gamma-distribution 

Particularmente no contexto das competições de kaggle, notei que o desempenho do modelo se refere à seleção / engenharia de recursos. Embora eu possa entender completamente por que isso acontece quando se lida com os algoritmos de ML mais convencionais / da velha escola, não vejo por que esse seria …

14 neural-networks  deep-learning  feature-selection  feature-engineering 

Recentemente, tenho me interessado em implementar um modelo de regressão beta, para um resultado proporcional. Observe que esse resultado não se encaixaria em um contexto binomial, porque não há um conceito significativo de "sucesso" discreto nesse contexto. De fato, o resultado é na verdade uma proporção de durações; o numerador …

14 logit  beta-regression