Estatísticas e Big Data

Perguntas e respostas para pessoas interessadas em estatística, aprendizado de máquina, análise de dados, mineração de dados e visualização de dados

3
Limite superior exponencial
Suponha que tenhamos variáveis ​​aleatórias IID X1,…,XnX1,…,XnX_1,\dots,X_n com a distribuição Ber(θ)Ber(θ)\mathrm{Ber}(\theta) . Vamos observar uma amostra do XiXiX_i é da seguinte maneira: vamos Y1,…,YnY1,…,YnY_1,\dots,Y_n ser independente Ber(1/2)Ber(1/2)\mathrm{Ber}(1/2) variáveis aleatórias, suponha que todos os XiXiX_i 's e YiYiY_i são independentes e definem o tamanho da amostra N=∑ni=1YiN=∑i=1nYiN=\sum_{i=1}^n Y_i. OsYiYiY_i's indicam qual …
1
O modelo Lmer falha ao convergir
Meus dados são descritos aqui O que pode causar um "erro () é um erro singular" no aov ao ajustar uma ANOVA de medidas repetidas? Estou tentando ver o efeito de uma interação usando, lmerentão meu caso base é: my_null.model <- lmer(value ~ Condition+Scenario+ (1|Player)+(1|Trial), data = my, REML=FALSE) my.model …
12 r  lme4-nlme 
5
Como executar a imputação de valores em um número muito grande de pontos de dados?
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis ​​estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
2
Interpretação da matriz variância-covariância
Suponha que tenhamos um modelo linear Model1e vcov(Model1)forneça a seguinte matriz: (Intercept) latitude sea.distance altitude (Intercept) 28.898100 -23.6439000 -34.1523000 0.50790600 latitude -23.643900 19.7032500 28.4602500 -0.42471450 sea.distance -34.152300 28.4602500 42.4714500 -0.62612550 altitude 0.507906 -0.4247145 -0.6261255 0.00928242 Neste exemplo, o que essa matriz realmente exibe? Que suposições podemos fazer com segurança para …
1
Como treino HMM's para classificação?
Portanto, entendo que, quando você treina HMMs para classificação, a abordagem padrão é: Separe seus conjuntos de dados nos conjuntos de dados para cada classe Treine um HMM por classe No conjunto de testes, compare a probabilidade de cada modelo para classificar cada janela Mas como eu treino o HMM …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.