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

2
Prova semplice di
Sia Z1,⋯,ZnZ1,⋯,ZnZ_1,\cdots,Z_n variabili normali casuali standard indipendenti. Ci sono molte (lunghe) prove là fuori, a dimostrarlo ∑i=1n(Zi−1n∑j=1nZj)2∼χ2n−1Σio=1n(Zio-1nΣj=1nZj)2~χn-12 \sum_{i=1}^n \left(Z_i - \frac{1}{n}\sum_{j=1}^n Z_j \right)^2 \sim \chi^2_{n-1} Molte prove sono piuttosto lunghe e alcune usano l'induzione (es. Inferenza statistica di Casella). Mi chiedo se ci siano prove facili di questo risultato.
2
Perché la pendenza è sempre esattamente 1 quando si regrediscono gli errori sui residui usando OLS?
Stavo sperimentando la relazione tra gli errori e i residui usando alcune semplici simulazioni in R. Una cosa che ho scoperto è che, indipendentemente dalla dimensione del campione o dalla varianza dell'errore, ottengo sempre esattamente per la pendenza quando si adatta il modello111 errors∼β0+β1×residualserrors∼β0+β1×residuals {\rm errors} \sim \beta_0 + \beta_1 …
1
Perché sto ottenendo previsioni diverse per l'espansione polinomiale manuale e usando la funzione R `poly`?
Perché ricevo previsioni diverse per l'espansione polinomiale manuale e l'utilizzo della polyfunzione R ? set.seed(0) x <- rnorm(10) y <- runif(10) plot(x,y,ylim=c(-0.5,1.5)) grid() # xp is a grid variable for ploting xp <- seq(-3,3,by=0.01) x_exp <- data.frame(f1=x,f2=x^2) fit <- lm(y~.-1,data=x_exp) xp_exp <- data.frame(f1=xp,f2=xp^2) yp <- predict(fit,xp_exp) lines(xp,yp) # using poly …
1
Spiegazione intuitiva della probabilità inversa di pesi di trattamento (IPTW) nella ponderazione del punteggio di propensione?
Comprendo i meccanismi di calcolo dei pesi utilizzando i punteggi di propensione : e quindi applicando i pesi in un'analisi di regressione e che i pesi servono a "controlla" o dissocia gli effetti delle covariate nelle popolazioni del gruppo di trattamento e controllo con la variabile di risultato.p (xio)p(Xio)p(x_i)wi , …
3
Cosa significano gli statistici quando dicono che non capiamo veramente come funziona il LASSO (regolarizzazione)?
Di recente ho avuto alcuni colloqui statistici sul Lazo (regolarizzazione) e un punto che continua a emergere è che non capiamo davvero perché il Lazo funzioni o perché funzioni così bene. Mi chiedo a cosa si riferisca questa affermazione. Ovviamente capisco perché il Lazo funziona tecnicamente, prevenendo l'eccessivo adattamento mediante …
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.