Statistik dan Big Data

Apa alasannya, jika ada, untuk menggunakan Analisis Diskriminan (DA) pada hasil algoritma pengelompokan seperti k-means, seperti yang saya lihat dari waktu ke waktu dalam literatur (pada dasarnya pada subtyping klinis gangguan mental)? Umumnya tidak direkomendasikan untuk menguji perbedaan kelompok pada variabel yang digunakan selama konstruksi cluster karena mereka mendukung maksimalisasi …

10 clustering  discriminant-analysis 

Saya harus melakukan regresi logistik biner dengan banyak variabel independen. Kebanyakan dari mereka adalah biner, tetapi beberapa variabel kategori memiliki lebih dari dua level. Apa cara terbaik untuk menangani variabel seperti itu? Misalnya, untuk variabel dengan tiga nilai yang mungkin, saya kira dua variabel dummy harus dibuat. Kemudian, dalam prosedur …

10 logistic  categorical-data  spss  ordinal-data  categorical-encoding 

Saya ingin meramalkan barang eceran (berdasarkan minggu) menggunakan pemulusan eksponensial. Saya terjebak sekarang dalam cara menghitung, menyimpan, dan menerapkan indeks sesonality. Masalahnya adalah bahwa semua contoh yang saya temukan berurusan dengan semacam musiman sederhana. Dalam kasus saya, saya memiliki masalah berikut: 1. Musim tidak terjadi pada minggu yang sama setiap …

10 time-series  seasonality 

Plot qq dapat digunakan untuk memvisualisasikan seberapa mirip dua distribusi itu (misalnya memvisualisasikan kesamaan distribusi ke distribusi normal, tetapi juga untuk membandingkan dua distribusi data artibrary). Apakah ada statistik yang menghasilkan ukuran numerik yang lebih obyektif yang mewakili kesamaan mereka (lebih disukai dalam bentuk normal (0 <= x <= 1))? …

10 distributions  qq-plot 

Jika seseorang menguji asumsi homoskedastisitas, uji parametrik (Uji Bartlett untuk Homogenitas Variansi bartlett.test) , dan non-parametrik (Uji Figner-Killeen untuk Homogenitas Variansi, fligner.test) tersedia. Bagaimana cara mengetahui jenis mana yang digunakan? Haruskah ini tergantung pada misalnya normalitas data?

10 r  variance  heteroscedasticity  misspecification 

Saya memeriksa beberapa data cakupan genomik yang pada dasarnya adalah daftar panjang (beberapa juta nilai) bilangan bulat, masing-masing mengatakan seberapa baik (atau "dalam") posisi ini dalam genom tercakup. Saya ingin mencari "lembah" dalam data ini, yaitu daerah yang secara signifikan "lebih rendah" dari lingkungan sekitarnya. Perhatikan bahwa ukuran lembah yang …

10 r  distributions  statistical-significance  data-visualization 

Saya melakukan beberapa estimasi kepadatan Kernel, dengan titik-titik tertimbang yang ditetapkan (mis., Masing-masing sampel memiliki bobot yang tidak diperlukan), dalam dimensi N. Juga, sampel ini hanya dalam ruang metrik (mis., Kita dapat menentukan jarak di antara mereka) tetapi tidak ada yang lain. Sebagai contoh, kita tidak dapat menentukan rata-rata titik …

10 pdf  smoothing  kernel-smoothing 

Materi pembelajaran apa yang akan Anda sarankan untuk orang CS / ahli statistik pemula / ahli matematika pemula untuk masuk ke analitik prediktif?

10 references  predictive-models 

Saya memiliki hasil tes tes darah yang diberikan kepada 2.500 orang empat kali dalam interval enam bulan. Hasilnya terutama terdiri dari dua ukuran respon imun - satu di hadapan antigen tuberkulosis tertentu, satu di ketiadaan. Saat ini, setiap tes mengevaluasi positif atau negatif berdasarkan perbedaan antara respons antigen dan respons …

10 repeated-measures 

Saya mencari distribusi terbatas dari distribusi multinomial daripada hasil. Yaitu, distribusi berikut limn → ∞n- 12Xnlimn→∞n−12Xn\lim_{n\to \infty} n^{-\frac{1}{2}} \mathbf{X_n} Di mana XnXn\mathbf{X_n} adalah variabel acak nilai vektor dengan kepadatan fn( x )fn(x)f_n(\mathbf{x}) untuk xx\mathbf{x} sedemikian rupa sehingga ∑sayaxsaya= n∑ixi=n\sum_i x_i=n , xsaya∈ Z , xsaya≥ 0xi∈Z,xi≥0x_i\in \mathbb{Z}, x_i\ge 0 dan …

10 asymptotics  multinomial 

Saya perlu mendefinisikan apa ujian kemerdekaan itu, tanpa menggunakan istilah statistik yang berat.

10 hypothesis-testing  independence  definition 

Seperti yang ada saat ini, pertanyaan ini tidak cocok untuk format Tanya Jawab kami. Kami berharap jawaban didukung oleh fakta, referensi, atau keahlian, tetapi pertanyaan ini kemungkinan akan mengundang debat, argumen, polling, atau diskusi panjang. Jika Anda merasa bahwa pertanyaan ini dapat diperbaiki dan mungkin dibuka kembali, kunjungi pusat bantuan …

10 history 

Ketika melakukan OLS regresi linier berganda, daripada memplot residual terhadap nilai-nilai pas, saya plot residual (internal) Studentized terhadap nilai-nilai pas (ditto untuk kovariat). Residu ini didefinisikan sebagai: e∗i=eis2(1−hii)−−−−−−−−−√ei∗=eis2(1−hii)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} di mana adalah residual dan adalah elemen diagonal dari matriks topi. Untuk mendapatkan residu pelajar dalam R, …

10 regression  residuals  diagnostic 

Apakah ada yang punya contoh yang bagus dari proses stokastik yang stasioner urutan 2, tetapi tidak sepenuhnya stasioner?

10 time-series  stochastic-processes  stationarity 

Dalam analisis skor tes (misalnya, dalam Pendidikan atau Psikologi), teknik analisis umum sering mengasumsikan bahwa data terdistribusi secara normal. Namun, mungkin lebih sering daripada tidak, skor cenderung menyimpang kadang-kadang liar dari normal. Saya akrab dengan beberapa transformasi normalisasi dasar, seperti: akar kuadrat, logaritma, transformasi timbal balik untuk mengurangi kemiringan positif, …

10 data-transformation  normality-assumption  variance-stabilizing