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
Il problema della pesca
Supponiamo che tu voglia andare a pescare nel vicino lago dalle 8:00 alle 20:00. A causa della pesca eccessiva, è stata istituita una legge che dice che puoi pescare solo un pesce al giorno. Quando catturi un pesce, puoi scegliere di tenerlo (e quindi tornare a casa con quel pesce), …

2
Distribuzione della proposta per una distribuzione normale generalizzata
Sto modellando la dispersione delle piante usando una distribuzione normale generalizzata ( voce di Wikipedia ), che ha la funzione di densità di probabilità: b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} dove è la distanza percorsa, è un parametro di scala e è il parametro di forma. La distanza media percorsa è data dalla …



2
Cosa si intende con "Lascia che i dati parlino da soli"?
Nel leggere il seguente documento , mi sono imbattuto nella seguente dichiarazione: Come accennato, viene spesso presentato senza alcun riferimento a modelli probabilistici, in linea con l'idea di Benzecri [1973] di "lasciare che i dati parlino da soli". (citazione di JP Benzécri. L'analisi dei données. Tomo II: L'analisi delle corrispondenze. …
10 eda  quotation 

2
Qual è la probabilità che dato ?
Supponiamo che XXX e YYY siano normali bivariati con media μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) e covarianza Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . Qual è la probabilità Pr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?


1
Sull'esistenza di UMVUE e la scelta dello stimatore della popolazione
Let essere un campione casuale tratto da della popolazione in cui .(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Sto cercando l'UMVUE di .θθ\theta La densità congiunta di è(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , dove e .h(x)=1g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf x)=1 Qui, dipende da \ theta e da …

1
Probabilità negative: spiegazioni dei laici
Sono stato molto incuriosito dalla risposta qui. Vorrei avere una spiegazione più profana sul significato delle probabilità negative e sulle loro applicazioni, possibilmente con esempi. Ad esempio, cosa significherebbe per un evento avere una probabilità del -10%, secondo queste estese misure di probabilità?

2
Distribuzione e varianza del conteggio dei triangoli nel grafico casuale
Considera un grafico casuale Erdos-Renyi G=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p)) . L'insieme di nnn vertici VVV è etichettato da V={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\} . L'insieme dei bordi EEE è costruito da un processo casuale. Sia ppp una probabilità 0&lt;p&lt;10&lt;p&lt;10<p<1 , quindi ogni coppia non ordinata {i,j}{i,j}\{i,j\} di vertici ( i≠ji≠ji \neq j ) si presenta …

2
UMVUE di
Sia un campione casuale dalla densità( X 1 , X 2 , … , X n ) (X1,X2,…,Xn)(X_1,X_2,\ldots,X_n)f θ ( x ) = θ x θ - 1 1 0 &lt; x &lt; 1,θ &gt; 0fθ(x)=θxθ−110&lt;x&lt;1,θ&gt;0f_{\theta}(x)=\theta x^{\theta-1}\mathbf1_{00 Sto cercando di trovare l'UMVUE di θ1 + θθ1+θ\frac{\theta}{1+\theta} . La densità congiunta …

3
Prove “pragmatiche”: cosa sono?
Su Twitter, un trialista Stuart Nicholls ha criticato uno studio recentemente pubblicato dicendo: Oltre all'interessantissimo articolo di Dal-Re, essi segnalano numerosi esempi che mettono in discussione l'uso del termine pragmatico. Uno studio randomizzato di fase 3, multisito, in doppio cieco, controllato con placebo, a braccio parallelo, con incrementi della dose …

3
MAP è una soluzione a
Mi sono imbattuto in queste diapositive (diapositiva n. 16 e n. 17) in uno dei corsi online. L'istruttore stava cercando di spiegare come la massima stima posteriore (MAP) sia effettivamente la soluzione L(θ)=I[θ≠θ∗]L(θ)=io[θ≠θ*]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , dove θ∗θ*\theta^{*} è il vero parametro. Qualcuno può spiegare come segue? Modifica: …

2
Giustificazioni per un modello a effetti fissi vs effetti casuali nella meta-analisi
Ho letto diverse pubblicazioni che tentano di giustificare l'uso di un modello a effetti fissi con dichiarazioni sulla falsariga di "il modello a effetti fissi è stato scelto perché l'eterogeneità era bassa". Tuttavia, temo che potrebbe essere ancora un approccio inappropriato all'analisi dei dati. Ci sono ragioni o pubblicazioni che …


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.