Estatísticas e Big Data

Estou programando um algoritmo kNN e gostaria de saber o seguinte: Tie-breaks: O que acontece se não houver um vencedor claro na votação majoritária? Por exemplo, todos os k vizinhos mais próximos são de classes diferentes, ou para k = 4 existem 2 vizinhos da classe A e 2 vizinhos …

13 k-nearest-neighbour  weights  ties 

Eu tenho uma coorte de pacientes com diferentes períodos de acompanhamento. Até agora, estou desconsiderando o aspecto do tempo e só preciso modelar um resultado binário - doença / nenhuma doença. Normalmente, faço regressão logística nesses estudos, mas outro colega perguntou se a regressão de Poisson seria tão apropriada. Não …

13 logistic  poisson-distribution 

Alguém pode dar a definição de seção transversal em "seção transversal de retorno de estoque"? obrigado

13 finance  cross-section 

Se eu tiver apenas Var(X)Var(X)\mathrm{Var}(X) , como posso calcular Var(1X)Var(1X)\mathrm{Var}(\frac{1}{X})? Eu não tenho qualquer informação sobre a distribuição de XXX , então não posso usar a transformação, ou quaisquer outros métodos que usam a distribuição de probabilidade de XXX .

13 distributions  variance  data-transformation 

Não sei como interpretar essa regressão probit que executei no Stata. Os dados estão em aprovação de empréstimo e branco é uma variável fictícia que = 1 se uma pessoa era branca e = 0 se a pessoa não era. Qualquer ajuda sobre como ler isso seria muito apreciada. O …

13 regression  multiple-regression  stata 

O bildpacote parece ser um excelente pacote para respostas binárias em série. Mas é por tempo discreto. Gostaria de especificar uma função suave do tempo para a conexão do odds ratio da resposta atual Y com respostas binárias medidas em tempos anteriores, ou pelo menos uma versão Markov de primeira …

13 r  repeated-measures  binary-data  panel-data 

Digamos que eu queira criar um Classificador Logístico para um filme M. Meus recursos seriam algo como idade da pessoa, gênero, ocupação, local. Portanto, o conjunto de treinamento seria algo como: Idade Sexo Ocupação Localização Gosto (1) / Não gosto (0) 23 M Software EUA 1 24 M Médico Reino …

13 machine-learning  feature-construction 

Ao ler sobre como aproximar a distribuição da amostra, me deparei com o método de inicialização não paramétrico. Aparentemente, pode-se aproximar a distribuição de pela distribuição de ˉ X ∗ n - ˉ X n , onde ˉ X ∗ nX¯n- μX¯n-μ\bar{X}_n-\muX¯∗n- X¯nX¯n∗-X¯n\bar{X}_n^*-\bar{X}_nX¯∗nX¯n∗\bar{X}_n^* denota a média da amostra da amostra …

13 distributions  bootstrap  resampling  centering 

Estou procurando um pacote R geral, limpo e rápido (ou seja, usando rotinas C ++) para simular caminhos de uma difusão não-linear não homogênea como (1) usando o esquema de Euler-Maruyama, o esquema de Milstein (ou qualquer outro). Isso está destinado a ser incorporado a um código de estimativa maior …

13 r  simulation  stochastic-processes  markov-process 

Um amigo meu vende modelos de liquidificadores. Alguns dos liquidificadores são muito simples e baratos, outros são muito sofisticados e mais caros. Seus dados consistem, para cada mês, nos preços de cada liquidificador (que são fixados por ele) e no número de unidades vendidas para cada modelo. Para estabelecer alguma …

13 optimization 

Uma das motivações para a rede elástica foi a seguinte limitação do LASSO: No caso p>np>np > n , o laço seleciona no máximo n variáveis ​​antes de saturar, devido à natureza do problema de otimização convexa. Esse parece ser um recurso limitante para um método de seleção de variáveis. …

13 regression  optimization  feature-selection  lasso 

Quero prever o Tree Heights em uma determinada área usando algumas variáveis ​​obtidas por sensoriamento remoto. Como a biomassa aproximada, etc. Quero primeiro usar uma regressão linear (sei que não é a melhor ideia, mas é um passo obrigatório para o meu projeto). Eu queria saber o quanto a autocorrelação …

13 r  multiple-regression  spatial  autocorrelation 

Para encontrar associação entre apoio de colegas (variável independente) e satisfação no trabalho (variável dependente), desejo aplicar o teste do qui-quadrado. O apoio de pares é categorias em quatro grupos, de acordo com a extensão do apoio: 1 = extensão muito menor, 2 = até certo ponto, 3 = em …

13 chi-squared  nonparametric  contingency-tables  association-measure 

O bootstrapping funciona bem para acessar a incerteza na estimativa média, no entanto, lembro-me de ler em algum lugar que o bootstrap não faz um bom trabalho ao avaliar a incerteza nas estimativas quantílicas (particularmente a mediana). Não lembro onde li isso e não consegui encontrar muita coisa com uma …

13 references  bootstrap  median 

Eu tenho dados temporais de frequências de atividade. Quero identificar clusters nos dados que indicam períodos distintos de tempo com níveis de atividade semelhantes. Idealmente, quero identificar os clusters sem especificar o número de clusters a priori. Quais são as técnicas de clustering apropriadas? Se minha pergunta não contém informações …

13 machine-learning  clustering