Statistiche e Big Data

6

Sono interessato alla definizione di quartile che di solito viene utilizzata quando ci si trova nelle statistiche di base. Ho un libro di testo Stat 101 e dà solo una definizione intuitiva. "Circa un quarto dei dati cade sopra o sotto il primo quartile ..." Ma fornisce un esempio in …

10 excel quantiles

3

Residui per regressione logistica e distanza di Cook

Ci sono ipotesi particolari riguardo agli errori di regressione logistica come la costante variazione dei termini di errore e la normalità dei residui? Inoltre, in genere quando hai punti che hanno una distanza di Cook maggiore di 4 / n, li rimuovi? Se li rimuovi, come puoi sapere se il …

10 regression logistic residuals diagnostic cooks-distance

1

Le regressioni con errori student-t sono inutili?

Vedi modifica. Quando hai dati con code pesanti, fare una regressione con errori student-t sembra una cosa intuitiva da fare. Durante l'esplorazione di questa possibilità, mi sono imbattuto in questo documento: Breusch, TS, Robertson, JC e Welsh, AH (01 novembre 1997). I nuovi abiti dell'imperatore: una critica al modello di …

10 regression mathematical-statistics modeling robust

1

Raddoppio delle code nel test di permutazione a due campioni

Supponiamo di avere due campioni e desideriamo determinare se sono tratti dalla stessa distribuzione, dicono i campioni A, B composti da alcuni numeri interi. Se lo testiamo utilizzando un test di permutazione a due campioni, in particolare osservando le permutazioni in cui le differenze nei mezzi dei campioni sono estreme …

10 permutation-test

4

Probabilità di trovare una particolare sequenza di coppie di basi

Pensare alla probabilità mi fa sempre capire quanto sono cattivo nel contare ... Considera una sequenza di lettere base , entrambi ugualmente probabili apparire. Qual è la probabilità che questa sequenza contenga una particolare sequenza di coppie base di interesse di lunghezza ?A ,nnnr ≤ nA ,T,C, E GA,T,C, and …

10 probability combinatorics

3

Per quanto riguarda l'utilizzo del modello bigram (N-grammo) per costruire il vettore di funzionalità per il documento di testo

Un approccio tradizionale alla costruzione di feature per l'estrazione del testo è l'approccio bag-of-words e può essere migliorato usando tf-idf per impostare il vettore di feature che caratterizza un determinato documento di testo. Al momento, sto cercando di utilizzare il modello di linguaggio bi-gram o (N-gram) per creare il vettore …

10 machine-learning data-mining text-mining natural-language language-models

2

Correlazione tra variabile dicotomica e variabile continua

Sto cercando di trovare la correlazione tra una dicotomia e una variabile continua. Dal mio lavoro a terra su questo ho scoperto che devo usare un test t indipendente e il presupposto è che la distribuzione della variabile deve essere normale. Ho eseguito il test di Kolmogorov-Smirnov per testare la …

10 normal-distribution categorical-data continuous-data kolmogorov-smirnov association-measure

1

Differenza tra modelli marginali e condizionali

Un modello marginale tiene conto della correlazione all'interno di ciascun cluster. Un modello condizionale tiene anche conto della correlazione all'interno di ciascun cluster. Le mie domande sono: Un modello marginale modella i principali effetti su una popolazione mentre un modello condizionale modella i principali effetti all'interno di un cluster e …

10 repeated-measures interpretation regression-coefficients marginal-model

1

Come calcolare l'intervallo di confidenza per la previsione delle serie temporali?

Ho una serie temporale (diciamo da a ) e devo prevedere il prossimo campione (diciamo ) usando il modello come rete neurale o regressione lineare multipla. Al momento n, ho tutto il campione da a e devo prevedere ; al momento , ho tutto il campione da a e devo …

10 time-series prediction-interval

3

Distribuzioni a grappolo

Ho diverse distribuzioni (10 distribuzioni nella figura seguente). In realtà si tratta di istogrammi: ci sono 70 valori sull'asse x che sono le dimensioni di alcune particelle in una soluzione e per ogni valore di x il valore corrispondente di y è la proporzione di particelle la cui dimensione è …

10 clustering

2

Stabilità del modello nella validazione incrociata dei modelli di regressione

Dati i multipli di convalida incrociata di una regressione logistica e le risultanti stime multiple di ciascun coefficiente di regressione, come si dovrebbe misurare se un predittore (o un insieme di predittori) è / sono stabili e significativi in base ai coefficienti di regressione ? È diverso per la regressione …

10 regression model-selection cross-validation

2

Come posso raggruppare le stringhe per temi comuni?

Sto tentando di raggruppare, ad esempio, stringhe sulla programmazione con altre stringhe sulla programmazione, stringhe sulla fisica con altre stringhe sulla fisica, ecc., Per una vasta gamma di argomenti. Nonostante l'evidente aspetto linguistico teorico del problema, sto cercando di farlo utilizzando la programmazione / il software. Il fatiscente: dato un …

10 natural-language data-mining

3

Materiale online per apprendere l'analisi delle serie storiche

La mia domanda è se ci sono buoni materiali online per imparare questo. Qualcosa che introduce bene le cose, in particolare i modelli ARMA e la matematica correlata. Modifica: sto cercando qualcosa di livello universitario di fascia alta. Qualcosa di simile a Introduzione alle serie storiche e alle previsioni di …

10 time-series references arma

1

Test per proporzioni e classificatore binario

Ho una macchina prototipo che produce parti. In un primo test la macchina produce parti e un classificatore binario mi dice che parti sono difettose ( , in genere e ) e le parti sono buone.N1N1N_1d 1 < N 1 d 1 / N 1 < 0,01 N 1 ≈ …

10 hypothesis-testing statistical-significance classification proportion

2

Come scegliere la migliore trasformazione per raggiungere la linearità?

Voglio fare una regressione lineare multipla e quindi prevedere nuovi valori con poca estrapolazione. Ho la mia variabile di risposta nell'intervallo da -2 a +7 e tre predittori (intervalli di circa +10 - +200). La distribuzione è quasi normale. Ma la relazione tra la risposta e i predittori non è …

10 regression data-transformation