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

1
adattamento di una funzione esponenziale utilizzando i minimi quadrati rispetto al modello lineare generalizzato rispetto ai minimi quadrati non lineari
Ho un set di dati che rappresenta il decadimento esponenziale. Vorrei adattare una funzione esponenziale a questi dati. Ho provato a registrare trasformando la variabile di risposta e quindi usando i minimi quadrati per adattarsi a una linea; usando un modello lineare generalizzato con una funzione log link e una …
2
Confronto tra due modelli di regressione lineare
Vorrei confrontare due modelli di regressione lineare che rappresentano i tassi di degradazione di un mRNA nel tempo in due diverse condizioni. I dati per ciascun modello raccolti in modo indipendente. Ecco il set di dati. Registro del tempo (ore) (trattamento A) registro (trattamento B) 0 2,02 1,97 0 2,04 …
1
Kernelized K Neighbor più vicino
Sono nuovo ai kernel e ho colpito un intoppo mentre provavo a kernelizzare kNN. Preliminari Io sto usando un kernel polinomiale: K(x,y)=(1+⟨x,y⟩)dK(x,y)=(1+⟨x,y⟩)dK(\mathbf{x},\mathbf{y}) = (1 + \langle \mathbf{x},\mathbf{y} \rangle)^d Il tuo tipico kNN euclideo usa la seguente metrica della distanza: d(x,y)=||x−y||d(x,y)=||x−y||d(\mathbf{x}, \mathbf{y}) = \vert\vert \mathbf{x} - \mathbf{y} \vert\vert Consenti a mappare …
1
Densità di Y = log (X) per X gamma-distribuito
Questa domanda è strettamente correlata a questo post Supponiamo di avere una variabile casuale e di definire . Vorrei trovare la funzione di densità di probabilità di .X∼Gamma(k,θ)X∼Gamma(k,θ)X \sim \text{Gamma}(k, \theta)Y=log(X)Y=log⁡(X)Y = \log(X)YYY Inizialmente avevo pensato di definire semplicemente la funzione di distribuzione cumulativa X, fare un cambio di variabile …
1
Prevedere logit ordinato in R
Sto provando a fare una regressione logit ordinata. Sto gestendo il modello in questo modo (solo un piccolo modello stupido che stima il numero di imprese in un mercato da misure di reddito e popolazione). La mia domanda riguarda le previsioni. nfirm.opr<-polr(y~pop0+inc0, Hess = TRUE) pr_out<-predict(nfirm.opr) Quando eseguo predict (che …
2
Le soluzioni PCA sono uniche?
Quando eseguo PCA su un determinato set di dati, la soluzione che mi viene proposta è unica? Vale a dire, ottengo un insieme di coordinate 2d, basate sulle distanze tra punti. È possibile trovare almeno un'altra disposizione dei punti che soddisfano questi vincoli? Se la risposta è sì, come posso …
12 pca 
3
Probabilità rispetto alla distribuzione condizionale per l'analisi bayesiana
Possiamo scrivere il teorema di Bayes come p(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(\theta|x) = \frac{f(X|\theta)p(\theta)}{\int_{\theta} f(X|\theta)p(\theta)d\theta} dove è il posteriore, è la distribuzione condizionale e è il precedente.f ( X | θ ) p ( θ )p(θ|x)p(θ|x)p(\theta|x)f(X|θ)f(X|θ)f(X|\theta)p(θ)p(θ)p(\theta) o p(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(\theta|x) = \frac{L(\theta|x)p(\theta)}{\int_{\theta} L(\theta|x)p(\theta)d\theta} dove è il posteriore, è la funzione di probabilità e è il precedente.p(θ|x)p(θ|x)p(\theta|x)L(θ|x)L(θ|x)L(\theta|x)p(θ)p(θ)p(\theta) …
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.