Statistik dan Big Data

Saat menguji beberapa hipotesis nol versus alternatif dengan statistik uji , di manaU(X)U(X)U(X)X={xi,...,xn}X={xi,...,xn}X = \{ x_i, ..., x_n\} , terapkan tes permutasi dengan setpermutasi padadan kami memiliki statistik GGGXXXT(X):=#{π∈G:U(πX)≥U(X)}|G|.T(X):=#{π∈G:U(πX)≥U(X)}|G|. T(X) := \frac{\# \{\pi \in G: U(\pi X) \geq U(X)\}}{|G|}. Apa manfaat menggunakan tes permutasi daripada tidak menggunakannya? Yaitu seperti apa …

10 hypothesis-testing  p-value  uniform  permutation-test 

ini terasa seperti pertanyaan yang sangat naif tetapi saya mengalami kesulitan melihat jawabannya. Saya memiliki satu set 30 nilai. Secara mandiri saya memperoleh nilai ke-31. Hipotesis nol adalah bahwa nilai 31 adalah bagian dari distribusi yang sama. Alternatifnya berbeda. Saya ingin semacam nilai p atau ukuran kemungkinan. Beberapa pemikiran yang …

10 hypothesis-testing  bayesian  t-test 

Model yang dihukum dapat digunakan untuk memperkirakan model yang jumlah parameternya sama atau bahkan lebih besar dari ukuran sampel. Situasi ini dapat muncul dalam model log-linear dari tabel jarang besar dari data kategorikal atau jumlah. Dalam pengaturan ini, sering juga diinginkan atau membantu untuk merobohkan tabel dengan menggabungkan level faktor …

10 categorical-data  lasso  elastic-net  log-linear  many-categories 

Saya ingin memahami beberapa fakta tentang estimator kemungkinan maksimum (MLE) untuk regresi logistik. Apakah benar bahwa, secara umum, MLE untuk regresi logistik bias? Saya akan mengatakan "ya". Saya tahu, misalnya, bahwa dimensi sampel terkait dengan bias asimptotik MLEs. Apakah Anda tahu ada contoh dasar dari fenomena ini? Jika MLE bias, …

10 logistic  maximum-likelihood  unbiased-estimator  bias 

Saya memiliki model regresi logistik biner dengan DV (penyakit: ya / tidak) dan 5 prediktor (demografi [usia, jenis kelamin, merokok tembakau (ya / tidak)], indeks medis (ordinal) dan satu pengobatan acak [ya / tidak ]). Saya juga telah memodelkan semua istilah interaksi dua sisi. Variabel utama berpusat dan tidak ada …

10 regression  logistic  multiple-regression  bootstrap 

Saya sedang melakukan studi klinis di mana saya menentukan ukuran antropometrik pasien. Saya tahu bagaimana menangani situasi di mana saya memiliki satu ukuran per pasien: Saya membuat model, di mana saya memiliki sampel acak dari beberapa kepadatan , dan saya melakukan hal-hal yang biasa: tulis kemungkinan sampel, memperkirakan parameter, menentukan …

10 inference 

Saya memiliki masalah berikut: Saya memiliki 100 item unik (n), dan saya memilih 43 (m) dari mereka satu per satu (dengan penggantian). Saya perlu menyelesaikan untuk jumlah uniques yang diharapkan (hanya dipilih sekali, k = 1), ganda (dipilih tepat dua kali k = 2), tripples (tepat k = 3), paha …

10 probability  expected-value  birthday-paradox 

Saya mencoba menyesuaikan model waktu-diskrit dalam R, tapi saya tidak yakin bagaimana melakukannya. Saya telah membaca bahwa Anda dapat mengatur variabel dependen dalam baris yang berbeda, satu untuk setiap pengamatan waktu, dan menggunakan glmfungsi dengan logit atau tautan cloglog. Dalam hal ini, saya memiliki tiga kolom: ID, Event(1 atau 0, …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

Saya membaca buku analisis deret waktu dan rumus untuk sampel autocovariance didefinisikan dalam buku ini sebagai: γˆ(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)γ^(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)\widehat{\gamma}(h) = n^{-1}\displaystyle\sum_{t=1}^{n-h}(x_{t+h}-\bar{x})(x_t-\bar{x}) denganuntuk . adalah mean.γˆ(−h)=γˆ(h)γ^(−h)=γ^(h)\widehat{\gamma}(-h) = \widehat{\gamma}(h)\;h=0,1,...,n−1h=0,1,...,n−1\;h = 0,1, ..., n-1x¯x¯\bar{x} Bisakah seseorang menjelaskan secara intuitif mengapa kita membagi jumlah dengan dan bukan dengan ? Buku ini menjelaskan bahwa ini adalah karena …

10 time-series  probability  mathematical-statistics 

Saya telah memeriksa jawaban untuk pertanyaan ini di stats.stackexchange: Apa sumber daya yang baik yang menyediakan sejarah statistik? Memang, buku Stigler "Statistics on the Table" terlihat bagus dan saya tak sabar untuk membacanya. Tapi saya lebih tertarik pada pengembangan model ARIMA modern. Saya rasa saya ingat pernah mendengar bahwa banyak …

10 time-series  references  arima  history 

Saya bertanya pada diri sendiri apakah itu ide yang baik untuk menghapus variabel-variabel dengan nilai penting variabel negatif ("% IncMSE") dalam konteks regresi. Dan apakah itu memberi saya prediksi yang lebih baik? Bagaimana menurut anda?

10 machine-learning  feature-selection  random-forest  importance 

Saya mengalami masalah dengan mendefinisikan istilah kesalahan untuk pengukuran dua arah berulang ANOVA di R. Data saya terdiri dari perkiraan kepadatan kayu untuk tiga posisi radial (dalam, tengah, dan luar) di sepanjang inti yang diekstraksi dari pohon. Ada total 20 spesies pohon, 6 individu dari setiap spesies, dan dua core …

10 r  anova  repeated-measures 

Apa perbedaan antara keduanya dan mengapa tingkat signifikansi harus selalu lebih tinggi dari atau sama dengan ukuran tes?

10 estimation 

Aku punya satu set unsur yang saya bisa menggambarkan sesuai dengan karakteristik. Jadi:nXXXnnn xi:{ci1,ci2,…,cin}∣xi∈Xxi:{ci1,ci2,…,cin}∣xi∈Xx_i: \{c_{i1}, c_{i2}, \ldots, c_{in}\} \mid x_i \in X di mana adalah evaluasi (numerik) untuk elemen sesuai dengan karakteristik . Jadi elemen saya dapat dilihat sebagai titik dalam ruang dimensi. i j ncijcijc_{ij}iiijjjnnn Menurut bacaan saya, ada …

10 machine-learning  algorithms  ranking  feature-construction 

Saya memiliki data untuk dua kelompok (yaitu sampel) yang ingin saya bandingkan tetapi ukuran sampel total kecil (n = 29) dan sangat tidak seimbang (n = 22 vs n = 7). Data ini secara logistik sulit dan mahal untuk dikumpulkan, jadi 'mengumpulkan lebih banyak data' sebagai solusi yang jelas tidak …

10 t-test  sample-size