Estatísticas e Big Data

Eu apenas comecei a construir modelos em stan ; para familiarizar-me com a ferramenta, estou trabalhando em alguns dos exercícios em Análise Bayesiana de Dados (2ª ed.). O exercício Waterbuck supõe que os dados , com ( N , θ ) desconhecido. Como o Hamiltoniano Monte Carlo não permite parâmetros …

13 bayesian  mcmc  discrete-data  stan 

Preciso derivar expressões analíticas para a função de autocovariância γ(k)γ(k)\gamma\left(k\right) de um processo ARMA (2,1) indicado por: yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Então, eu sei que: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] para que eu possa escrever: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] então, para derivar a versão analítica da função de autocovariância, preciso substituir valores de …

13 time-series  covariance  autocorrelation  arma 

Eu tenho resultados do mesmo teste aplicado a duas amostras independentes: x <- c(17, 12, 13, 16, 9, 19, 21, 12, 18, 17) y <- c(10, 6, 15, 9, 8, 11, 8, 16, 13, 7, 5, 14) E eu quero calcular um teste de soma da classificação de Wilcoxon. Quando …

13 r  wilcoxon-mann-whitney  wilcoxon-signed-rank 

Você pode explicar o motivo de usar um teste unilateral na análise de variância? Por que usamos um teste unicaudal - o teste F - na ANOVA?

13 anova  f-test  sums-of-squares  f-distribution 

O termo "inferência estatística" inclui apenas testes de hipóteses ou também inclui estimativa de pontos, estimativa de intervalos etc. Referências autorizadas serão muito apreciadas.

13 inference  terminology 

Na regressão linear, Y=XβY=XβY= X\beta , por que é XXXchamado de matriz de design? pode XXXser projetado ou construído arbitrariamente até certo ponto, como na arte?

13 regression  terminology 

1. O problema Eu tenho algumas medidas de uma variável , onde , para a qual eu tenho uma distribuição obtida via MCMC, que por simplicidade assumirei ser um gaussiano de média e variância \ sigma_t ^ 2 .ytyty_tt=1,2,..,nt=1,2,..,nt=1,2,..,nfyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 Eu tenho um modelo físico para essas observações, digamos g(t)g(t)g(t) , …

13 time-series  mcmc  autoregressive  likelihood 

Não tenho formação em matemática, mas entendo como o Perceptron simples funciona e acho que entendo o conceito de um hiperplano (imagino-o geometricamente como um plano no espaço 3D que separa duas nuvens de pontos, assim como uma linha separa nuvens de dois pontos no espaço 2D). Mas não entendo …

13 machine-learning  classification  linear-model  multi-class 

Eu tenho tentado entender o algoritmo Metropolis-Hastings para escrever um código para estimar os parâmetros de um modelo (ou seja, ). Segundo a bibliografia, o algoritmo Metropolis-Hastings possui as seguintes etapas:f( x ) = a ∗ xf(x)=uma∗xf(x)=a*x Gere Yt∼ q( y| xt)Yt∼q(y|xt)Y_t \sim q(y|x^t) Xt + 1= { Yt,xt,com probabilidadeρ …

13 mcmc  metropolis-hastings 

Digamos que você tenha um conjunto de valores e deseja saber se é mais provável que eles tenham sido amostrados de uma distribuição gaussiana (normal) ou amostrados de uma distribuição lognormal? É claro que, idealmente, você saberia algo sobre a população ou sobre as fontes de erro experimental, para ter …

13 normal-distribution  lognormal 

Ao executar a validação cruzada de dobras k, entendo que você obtém as métricas de precisão apontando todas as dobras, exceto uma nessa dobra, e fazendo previsões, e repita esse processo vezes. Você pode executar métricas de precisão em todas as suas instâncias (precisão, recall,% classificada corretamente), que devem ser …

13 cross-validation 

Estou executando um modelo de regressão logística no formulário: lmer(response~1+(1|site), family=binomial, REML = FALSE) Normalmente, eu calcularia o ICC a partir das variações de interceptação e residuais, mas o resumo do modelo não inclui a variação residual. Como faço para calcular isso?

13 logistic  lme4-nlme  glmm 

Quero testar uma correlação de amostra rrr quanto à significância, usando valores-p, ou seja H0:ρ=0,H1:ρ≠0.H0 0:ρ=0 0,H1:ρ≠0H_0: \rho = 0, \; H_1: \rho \neq 0. Entendi que posso usar a transformação z de Fisher para calcular isso zobs=n−3−−−−−√2ln(1+r1−r)zobs=n-32em⁡(1+r1-r)z_{obs}= \displaystyle\frac{\sqrt{n-3}}{2}\ln\left(\displaystyle\frac{1+r}{1-r}\right) e encontrar o valor p por p=2P(Z>zobs)p=2P(Z>zobs)p = 2P\left(Z>z_{obs}\right) usando a …

13 correlation  sample-size  fisher-transform 

Para dados distribuídos aproximadamente normalmente, os boxplots são uma ótima maneira de visualizar rapidamente a mediana e a propagação dos dados, bem como a presença de quaisquer valores extremos. No entanto, para distribuições de cauda mais pesada, muitos pontos são mostrados como outliers, uma vez que os outliers são definidos …

13 r  distributions  data-visualization  data-transformation  ggplot2 

Estou relativamente familiarizado com a distinção entre os termos estatística e parâmetro. Vejo uma estatística como o valor obtido da aplicação de uma função aos dados da amostra. No entanto, a maioria dos exemplos de parâmetros está relacionada à definição de uma distribuição paramétrica. Um exemplo comum é a média …

13 estimation  terminology  sample  population