Statistiche e Big Data

Domande e risposte per le persone interessate alle statistiche, all'apprendimento automatico, all'analisi dei dati, al data mining e alla visualizzazione dei dati

3
Qual è la differenza tra un "esperimento statistico" e un "modello statistico"?
Sto seguendo AW van der Vaart, statistiche asintotiche (1998). Parla di esperimenti statistici, sostenendo che sono diversi da un modello statistico, ma non definisce nessuno dei due. La mia domanda: Cos'è (1) un esperimento statistico, (2) un modello statistico e (3) qual è l'ingrediente chiave che renderà sempre l'esperimento statistico …
3
Perché non usare le "equazioni normali" per trovare coefficienti di minimi quadrati semplici?
Ho visto questo elenco qui e non potevo credere che ci fossero così tanti modi per risolvere i minimi quadrati. I "equazioni normali" su Wikipedia sembrava essere un modo abbastanza α^β^=y¯−β^x¯,=∑ni=1(xi−x¯)(yi−y¯)∑ni=1(xi−x¯)2α^=y¯−β^x¯,β^=∑i=1n(xi−x¯)(yi−y¯)∑i=1n(xi−x¯)2 {\displaystyle {\begin{aligned}{\hat {\alpha }}&={\bar {y}}-{\hat {\beta }}\,{\bar {x}},\\{\hat {\beta }}&={\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}}}\end{aligned}}} Quindi perché non …
1
Esiste un'interpretazione bayesiana della regressione lineare con la regolarizzazione simultanea L1 e L2 (nota anche come rete elastica)?
È noto che la regressione lineare con una penalità equivale a trovare la stima MAP data un precedente gaussiano sui coefficienti. Allo stesso modo, usare una penalità l 1 equivale a usare una distribuzione di Laplace come precedente.l2l2l^2l1l1l^1 Non è raro usare una combinazione ponderata di e l 2 regolarizzazione. …
1
Quando la massima probabilità e il metodo dei momenti producono gli stessi stimatori?
Mi è stata posta questa domanda l'altro giorno e non l'avevo mai considerata prima. La mia intuizione deriva dai vantaggi di ogni stimatore. La massima probabilità è preferibilmente quando siamo fiduciosi nel processo di generazione dei dati perché, a differenza del metodo dei momenti, si avvale della conoscenza dell'intera distribuzione. …
2
Perché esattamente la regressione beta non può gestire 0 e 1 nella variabile di risposta?
La regressione beta (ovvero GLM con distribuzione beta e di solito la funzione di collegamento logit) è spesso consigliata per gestire la risposta nota come variabile dipendente che assume valori compresi tra 0 e 1, come frazioni, rapporti o probabilità: regressione per un risultato (rapporto o frazione) tra 0 e …
2
Distribuzione campionaria da due popolazioni indipendenti di Bernoulli
Supponiamo di avere campioni di due variabili casuali indipendenti di Bernoulli, e .Ber(θ1)Ber(θ1)\mathrm{Ber}(\theta_1)Ber(θ2)Ber(θ2)\mathrm{Ber}(\theta_2) Come dimostriamo che ?(X¯1−X¯2)−(θ1−θ2)θ1(1−θ1)n1+θ2(1−θ2)n2−−−−−−−−−−−−−−√→dN(0,1)(X¯1−X¯2)−(θ1−θ2)θ1(1−θ1)n1+θ2(1−θ2)n2→dN(0,1)\frac{(\bar X_1-\bar X_2)-(\theta_1-\theta_2)}{\sqrt{\frac{\theta_1(1-\theta_1)}{n_1}+\frac{\theta_2(1-\theta_2)}{n_2}}}\xrightarrow{d} \mathcal N(0,1) Supponiamo che .n1≠n2n1≠n2n_1\neq n_2
1
Perché i valori di p sono spesso più alti in un modello di rischio proporzionale di Cox rispetto alla regressione logistica?
Ho imparato a conoscere il modello di rischio proporzionale Cox. Ho un sacco di esperienza adatta modelli di regressione logistica, e modelli in modo di costruire l'intuizione che ho confrontando FIT utilizzando coxphdal R "sopravvivenza" con modelli di regressione logistica in forma utilizzando glmcon family="binomial". Se eseguo il codice: library(survival) …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.