Statistiche e Big Data

2

Possiamo usare campioni bootstrap più piccoli del campione originale?

Voglio utilizzare il bootstrap per stimare gli intervalli di confidenza per i parametri stimati da un set di dati del pannello con N = 250 aziende e T = 50 mesi. La stima dei parametri è computazionalmente costosa (pochi giorni di calcolo) a causa dell'uso del filtraggio di Kalman e …

12 confidence-interval bootstrap nonlinear-regression kalman-filter

2

Una somma e un prodotto di due matrici di covarianza sono anche una matrice di covarianza?

Supponiamo di avere covarianza matrici e . Quali di queste opzioni sono quindi anche le matrici di covarianza?YXXXYYY X+ YX+YX+Y X2X2X^2 XYXYXY Ho un po 'di problemi a capire cosa è esattamente necessario affinché qualcosa sia una matrice di covarianza. Suppongo che, ad esempio, se e che per 1 per …

12 covariance covariance-matrix

1

Qual è la differenza tra imparzialità asintotica e coerenza?

Ognuno implica l'altro? In caso contrario, l'uno implica l'altro? Perché perché no? Questo problema è emerso in risposta a un commento su una risposta che ho pubblicato qui . Sebbene la ricerca di Google nei termini pertinenti non abbia prodotto nulla di particolarmente utile, ho notato una risposta sullo scambio …

12 mathematical-statistics bias unbiased-estimator estimators consistency

1

Perché il teorema del limite centrale funziona con un singolo campione?

Mi è sempre stato insegnato che il CLT funziona quando hai ripetuto il campionamento, con ogni campione abbastanza grande. Ad esempio, immagina di avere un paese di 1.000.000 di cittadini. La mia comprensione del CLT è che anche se la distribuzione delle loro altezze non era normale, se prendevo 1000 …

12 sampling central-limit-theorem

1

Perché l'asimmetria sinistra viene definita obliqua negativamente e l'asimmetria destra viene definita obliqua positivamente?

Sono curioso di sapere la nomenclatura: perché l'asimmetria di sinistra viene definita obliqua negativamente e l'inclinazione di destra viene definita obliqua?

12 terminology skewness

1

Qual è il metodo migliore per la meta-analisi della rete?

Esistono ora diversi approcci per eseguire una meta-analisi di rete o un confronto di trattamento misto. I più comunemente usati e accessibili sono probabilmente i seguenti: in un quadro bayesiano : approccio di interazione design per trattamento in WinBUGS (ad es. Jackson et al ); modellazione gerarchica bayesiana basata su …

12 r stata sas winbugs network-meta-analysis

3

Data / ora di codifica (dati ciclici) per reti neurali

Come codificare la data e l'ora di un evento per una rete neurale? Non ho una serie temporale continua, ma alcuni eventi con data e ora e analizzo un qualche tipo di interesse. Questo interesse differisce tra mattina e sera e differisce tra i giorni feriali e tra estate e …

12 neural-networks deep-learning

2

I metodi bayesiani sono intrinsecamente sequenziali?

Cioè, per fare analisi sequenziali (non sai in anticipo esattamente quanti dati raccoglierai) con metodi frequentisti richiede cure speciali; non puoi semplicemente raccogliere dati finché il valore p non diventa sufficientemente piccolo o un intervallo di confidenza diventa sufficientemente breve. Ma quando si fa l'analisi bayesiana, questa è una preoccupazione? …

12 bayesian inference philosophical sequential-analysis

5

Come analizzare l'andamento in serie temporali non periodiche

Supponiamo di avere le seguenti serie temporali non periodiche. Ovviamente la tendenza sta diminuendo e vorrei dimostrarlo con alcuni test (con valore p ). Non sono in grado di utilizzare la regressione lineare classica a causa della forte auto-correlazione temporale (seriale) tra i valori. library(forecast) my.ts <- ts(c(10,11,11.5,10,10.1,9,11,10,8,9,9, 6,5,5,4,3,3,2,1,2,4,4,2,1,1,0.5,1), start …

12 r time-series

2

Come funziona l'operazione DepthConcat in "Approfondire le convoluzioni"?

Leggendo Approfondendo le convoluzioni, mi sono imbattuto in un livello DepthConcat , un blocco costitutivo dei moduli di avvio proposti , che combina l'output di più tensori di dimensioni variabili. Gli autori chiamano questo "filtro concatenazione". Sembra che ci sia un'implementazione per Torch , ma non capisco davvero cosa faccia. …

12 neural-networks torch conv-neural-network

4

Ottenere i giusti valori iniziali per un modello nls in R

Sto cercando di adattare un semplice modello di legge di potere a un set di dati che è il seguente: mydf: rev weeks 17906.4 1 5303.72 2 2700.58 3 1696.77 4 947.53 5 362.03 6 L'obiettivo è quello di passare attraverso la linea elettrica e usarla per prevedere i revvlaues …

12 r predictive-models nonlinear-regression power-law nls

1

Interpretazione dell'output di Scikit predict_proba

Sto lavorando con la libreria scikit-learn in Python. Nel codice seguente, sto predicendo la probabilità ma non so come leggere l'output. Test dei dati from sklearn.ensemble import RandomForestClassifier as RF from sklearn import cross_validation X = np.array([[5,5,5,5],[10,10,10,10],[1,1,1,1],[6,6,6,6],[13,13,13,13],[2,2,2,2]]) y = np.array([0,1,1,0,1,2]) Dividi il set di dati X_train, X_test, y_train, y_test = …

12 python scikit-learn

4

Qual è lo scopo della normalizzazione delle righe

Comprendo il ragionamento alla base della normalizzazione delle colonne, in quanto fa sì che le caratteristiche siano ponderate allo stesso modo, anche se non sono misurate sulla stessa scala - tuttavia, spesso nella letteratura del vicino più vicino, sia le colonne che le righe sono normalizzate. Qual è la normalizzazione …

12 normalization distance similarities k-nearest-neighbour

2

Valore atteso di x in una distribuzione normale, DATO che è inferiore a un determinato valore

Mi chiedo solo se è possibile trovare il valore atteso di x se è normalmente distribuito, dato che è al di sotto di un certo valore (ad esempio, al di sotto del valore medio).

12 normal-distribution conditional-probability expected-value

1

Perché l'analisi delle serie temporali non è considerata un algoritmo di apprendimento automatico

Perché l'analisi delle serie storiche non è considerata un algoritmo di apprendimento automatico (a differenza della regressione lineare). Sia la regressione che l'analisi delle serie storiche sono metodi di previsione. Allora perché uno di loro è considerato un algoritmo di apprendimento ma non l'altro?

12 regression machine-learning time-series terminology