Statistik dan Big Data

Saya menghabiskan hari belajar tentang paket bnlearn di R hanya untuk menemukan bahwa model Bayesian tidak bekerja dengan grafik yang tidak terarah. Saya mencoba mempelajari tentang Markov Random Field Network, dan sejauh ini yang dapat saya lakukan adalah membuat struktur grafis menggunakan LASSO grafis. Dalam grafik terarah, tampaknya ada dua …

8 machine-learning  graphical-model  parameterization  bayesian-network 

Andrew Gelman dalam sebuah posting baru-baru ini di blognya menyarankan menggunakan peringkat, mengubah peringkat menjadi skor-z, dan kemudian menggunakan tes parametrik dan alat alih-alih melakukan tes non-parametrik. Saya tidak pernah mendengar itu sebelumnya. Pencarian di Google menunjukkan kepada saya fungsi R ini dalam paket GenABEL , yang tampaknya melakukan peringkat …

8 nonparametric  wilcoxon-mann-whitney  wilcoxon-signed-rank  ranks  nonparametric-regression 

Dalam Pengantar Pembelajaran Statistik (James et al.), Di bagian 3.7 latihan 5, ini menyatakan bahwa rumus untuk dengan asumsi regresi linier tanpa intersep adalah mana dan adalah perkiraan yang biasa digunakan dalam OLS untuk regresi linier sederhana ( ).β^1β^1\hat{\beta}_1β^1=∑i = 1nxsayaysaya∑i = 1nx2saya,β^1=∑saya=1nxsayaysaya∑saya=1nxsaya2,\hat{\beta}_1 = \dfrac{\displaystyle\sum\limits_{i=1}^{n}x_iy_i}{\displaystyle \sum\limits_{i=1}^{n}x_i^2}\text{,}β^0=y¯-β^1x¯β^0=y¯-β^1x¯\hat{\beta}_0 = \bar{y}-\hat{\beta}_1\bar{x}β^1=Sx ySx xβ^1=SxySxx\hat{\beta}_1 …

8 self-study  least-squares 

Saya berharap untuk menyatukan hasil dari serangkaian analisis mendasar yang dilakukan pada data yang dilipatgandakan (misalnya regresi berganda, ANOVA). Beberapa imputasi dan analisis telah diselesaikan dalam SPSS tetapi SPSS tidak memberikan hasil gabungan untuk beberapa statistik termasuk nilai-F, matriks kovarian, R-Squared dll. Saya telah melakukan beberapa upaya untuk mengatasi masalah …

8 spss  missing-data  multiple-imputation  pooling 

Saya telah mengikuti data simulasi dari 2500 orang tentang kejadian penyakit langka selama 20 tahun year number_affected 1 0 2 0 3 1 4 0 5 0 6 0 7 1 8 0 9 1 10 0 11 1 12 0 13 0 14 1 15 1 16 0 17 …

8 time-series  hypothesis-testing  trend 

Saya punya dua seri waktu (parameter model untuk pria dan wanita) dan bertujuan untuk mengidentifikasi model ARIMA yang tepat untuk membuat perkiraan. Rangkaian waktu saya terlihat seperti: Plot dan ACF menunjukkan non-stasioner (paku ACF terputus sangat lambat). Jadi, saya menggunakan differencing dan memperoleh: Plot ini menunjukkan bahwa seri sekarang mungkin …

8 r  time-series  modeling  arima  autocorrelation 

Saya menjalankan perbandingan post-hoc setelah tes Kruskal-Wallis. Saya menggunakan paket PMCMR . > posthoc.kruskal.nemenyi.test( preference ~ instrument) Pairwise comparisons using Tukey and Kramer (Nemenyi) test with Tukey-Dist approximation for independent samples data: preference by instrument Cello Drums Guitar Drums 0.157 - - Guitar 0.400 0.953 - Harp 0.013 0.783 0.458 …

8 r  ties 

Katakanlah kami tertarik pada bagaimana nilai ujian siswa dipengaruhi oleh jumlah jam belajar siswa tersebut. Kami mengambil sampel siswa dari beberapa sekolah yang berbeda. Kami menjalankan model efek campuran berikut: nilai ujiansaya= a +β1×jam. belajarsaya+sekolahj+esayanilai ujiansaya=Sebuah+β1×jam. belajarsaya+sekolahj+esaya \text{exam.grades}_i = a + \beta_1 \times \text{hours.studied}_i + \text{school}_j + e_i Apakah saya …

8 regression  normal-distribution  confidence-interval  mixed-model  variance 

Saya tertarik untuk memahami perbedaan antara "kemungkinan" dari suatu peristiwa acak dengan probabilitas tertentu yang benar-benar terjadi dengan probabilitas tepat yang dikatakan kemungkinan. yaitu jika suatu peristiwa memiliki probabilitas 1 banding 10.000, apa kemungkinannya dalam 10.000 uji coba itu akan terjadi tepat 1 kali, bukan 2 kali, bukan 0 kali, …

8 probability  likelihood 

Skewness dan kurtosis didefinisikan sebagai: ζ3=E[ ( X- μ)3]E[ ( X- μ)2]3 / 2=μ3σ3ζ3=E[(X-μ)3]E[(X-μ)2]3/2=μ3σ3\zeta_3 = \frac{E[(X-\mu)^3]}{E[(X-\mu)^2]^{3/2}} = \frac{\mu_3}{\sigma^3} ζ4=E[ ( X- μ)4]E[ ( X- μ)2]2=μ4σ4ζ4=E[(X-μ)4]E[(X-μ)2]2=μ4σ4\zeta_4 = \frac{E[(X-\mu)^4]}{E[(X-\mu)^2]^2} = \frac{\mu_4}{\sigma^4} Rumus berikut digunakan untuk menghitung skewness dan kurtosis sampel: z3=1n∑ni = 1[ (xsaya-x¯)3](1n∑ni = 1[ (xsaya-x¯)2])3 / 2z3=1n∑saya=1n[(xsaya-x¯)3](1n∑saya=1n[(xsaya-x¯)2])3/2z_3 = \frac{\frac{1}{n}\sum_{i=1}^{n} [(x_i-\bar …

8 skewness  unbiased-estimator  kurtosis 

Saya telah melakukan percobaan di mana saya telah mengumpulkan pengukuran dari sejumlah peserta. Setiap titik data yang relevan memiliki dua variabel, keduanya kategorikal: pada kenyataannya, setiap variabel memiliki dua nilai yang mungkin (jawaban untuk dua pertanyaan ya / tidak). Saya ingin uji hipotesis statistik untuk memeriksa apakah tampaknya ada korelasi …

8 hypothesis-testing  categorical-data  repeated-measures  binary-data 

Saya mencoba memahami bagaimana rnn dapat digunakan untuk memprediksi urutan dengan bekerja melalui contoh sederhana. Ini adalah jaringan sederhana saya, yang terdiri dari satu input, satu neuron tersembunyi, dan satu output: Neuron tersembunyi adalah fungsi sigmoid, dan output dianggap sebagai output linier sederhana. Jadi, saya pikir jaringan bekerja sebagai berikut: …

8 machine-learning  neural-networks  deep-learning  gradient-descent 

Saya mencoba memahami ide di balik distribusi-t. Berikut langkah-langkah yang saya pahami sejauh ini: Kami menggunakan sampel elemen N untuk memperkirakan rata-rata populasi. Secara lebih rinci, kami menggunakan mean sampel sebagai estimasi rata-rata populasi. Kami ingin tahu seberapa dekat estimasi kami dengan nilai sebenarnya. Atau, lebih khusus kita ingin tahu …

8 normal-distribution  population  t-distribution  mean 

Saya memiliki daftar nilai berikut: 25 75 38 162 Rasio peluang adalah 0,7037 dan log (OR) adalah -0,3514. Untuk tabel kontingensi dengan nilai a, b, c, dan d, varian log (OR) diberikan oleh (1/a + 1/b + 1/c + 1/d) Bagaimana saya bisa menghitung p.value log (OR) dari data ini …

8 r  variance 

Misalkan kita memiliki alfabet yang mengandung simbol , , di mana , dan \ Pr (\ $) = 1 - (\ Pr (a) + \ Pr (b) + \ cdots) = 1-mp .m+1m+1m+1{a,b,c,d,e,...,$}{a,b,c,d,e,...,$}\{a, b, c, d, e,..., \$\}p=Pr(a)=Pr(b)=⋯p=Pr(a)=Pr(b)=⋯p = \Pr(a) = \Pr(b) =\cdotsPr($)=1−(Pr(a)+Pr(b)+⋯)=1−mpPr($)=1−(Pr(a)+Pr(b)+⋯)=1−mp\Pr(\$) = 1 - (\Pr(a)+\Pr(b)+\cdots)=1-mp Untuk string acak …

8 probability  combinatorics