Statistiche e Big Data

3

Funzione di trasferimento nei modelli di previsione - interpretazione

Sono occupato con la modellazione ARIMA arricchita con variabili esogene per scopi di modellazione promozionale e ho difficoltà a spiegarlo agli utenti aziendali. In alcuni casi i pacchetti software finiscono con una semplice funzione di trasferimento, ad es. Parametro * Variabile esogena. In questo caso l'interpretazione è semplice, ovvero l'attività …

9 time-series data-visualization forecasting arima causality

1

Convoluzione efficiente (in R)

Voglio calcolare / valutare la convoluzione g(x)=∫Df(x−t)ϕ(t)dt,g(x)=∫Df(x−t)ϕ(t)dt,g(x)=\int_D f(x-t) \phi(t) dt, dove è una densità e è una funzione regolare con supporto compatto . La convoluzione non è disponibile in forma chiusa e devo integrarla numericamente. La mia domanda è: esiste un modo efficace per farlo? Voglio implementarlo in R, quindi, …

9 r convolution

1

Quali linee guida dovrebbero essere seguite per l'utilizzo di reti neurali con input sparsi

Ho input estremamente sparsi, ad esempio posizioni di determinate funzionalità in un'immagine di input. Inoltre, ogni funzione può avere più rilevamenti (non sono sicuro che ciò abbia un impatto sul design del sistema). Questo lo presenterò come 'immagine binaria' del canale k con pixel ON che rappresentano la presenza di …

9 neural-networks deep-learning sparse

3

In che modo le procedure FDR stimano un tasso di rilevamento falso senza un modello di tassi di base?

Qualcuno può spiegare come le procedure FDR sono in grado di stimare un FDR senza un modello / assunzione del tasso base di veri positivi?

9 false-discovery-rate

1

Dall'identificazione alla stima

Attualmente sto leggendo il pezzo di Pearl (Pearl, 2009, 2a edizione) sulla causalità e la lotta per stabilire il legame tra l'identificazione non parametrica di un modello e la stima effettiva. Sfortunatamente, lo stesso Pearl è molto silenzioso su questo argomento. Per fare un esempio, ho in mente un modello …

9 estimation references causality

4

Come campionare quando non si conosce la distribuzione

Sono abbastanza nuovo nelle statistiche (una manciata di corsi Uni per principianti) e mi chiedevo come campionare da distribuzioni sconosciute. In particolare, se non si ha idea della distribuzione sottostante, esiste un modo per "garantire" di ottenere un campione rappresentativo? Esempio da illustrare: supponiamo che tu stia cercando di capire …

9 distributions estimation sampling sample-size algorithms

1

Utilizzo di bootstrap per ottenere la distribuzione campionaria del 1 ° percentile

Ho un campione (di dimensioni 250) da una popolazione. Non conosco la distribuzione della popolazione. La domanda principale: voglio una stima puntuale del primo percentile della popolazione, e quindi voglio un intervallo di confidenza del 95% attorno alla mia stima puntuale. La mia stima puntuale sarà il primo campione del …

9 confidence-interval bootstrap quantiles extreme-value

1

Perché questa imputazione multipla è di bassa qualità?

Considera il seguente codice R: > data <- data.frame( a=c(NA,2,3,4,5,6),b=c(2.2,NA,6.1,8.3,10.2,12.13),c=c(4.2,7.9,NA,16.1,19.9,23)) > data a b c 1 NA 2.20 4.2 2 2 NA 7.9 3 3 6.10 NA 4 4 8.30 16.1 5 5 10.20 19.9 6 6 12.13 23.0 Come puoi vedere, ho progettato i dati in modo approssimativo c …

9 r data-imputation multiple-imputation

2

Devo avere un Master in "Statistica" per essere qualificato come statistico? [chiuso]

Chiuso . Questa domanda è basata sull'opinione . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che possa essere risolta con fatti e citazioni modificando questo post . Chiuso 5 anni fa . Sono un neolaureato della mia università e la mia laurea è …

9 careers

1

Come interpretare le variabili che sono escluse o incluse nel modello lazo?

Da altri post ho ottenuto che non si può attribuire "importanza" o "significato" alle variabili predittive che entrano in un modello di lazo perché il calcolo dei valori p di tali variabili o deviazioni standard è ancora in corso. In base a tale ragionamento, è corretto affermare che NON PUO …

9 statistical-significance bootstrap simulation lasso regression-strategies

2

Come viene creato questo grafico "Stati Uniti di Reddit"?

Di seguito è riportato un grafico da p. 202 di Christian Rudder's Dataclysm , sebbene sia stato realizzato da James Dowdell. Illustra le relazioni tra i 200 principali subreddit, che sono aree di interesse su reddit.com in cui gli utenti possono inviare link, commenti e voti. Questi sono simili ai …

9 clustering data-visualization

1

Selezione dei priori in base all'errore di misurazione

Come si calcola il precedente appropriato se si ha l'errore di misurazione di uno strumento? Questo paragrafo è tratto dal libro di Cressie "Statistica dei dati spazio-temporali": Accade spesso che siano disponibili alcune informazioni precedenti relative alla varianza dell'errore di misura, consentendo di specificare un modello di parametro abbastanza informativo. …

9 bayesian standard-error error prior measurement-error

1

Connessione tra formulazioni Lazo

Questa domanda potrebbe essere stupida, ma ho notato che ci sono due diverse formulazioni della regressione del Lazo . Sappiamo che il problema del lazo è di minimizzare l'obiettivo costituito dalla perdita quadrata più il termine di penalità -1, espresso come segue, LLLminβ∥y−Xβ∥22+λ∥β∥1minβ‖y−Xβ‖22+λ‖β‖1 \min_\beta \|y - X \beta\|_2^2 + \lambda …

9 lasso

1

Il binomio negativo non è espressibile come nella famiglia esponenziale se ci sono 2 incognite?

Ho avuto un compito a casa per esprimere la distribuzione binomiale negativa come una famiglia esponenziale di distribuzioni dato che il parametro di dispersione era una costante nota. Questo è stato abbastanza facile, ma mi chiedevo perché avrebbero richiesto di mantenere quel parametro fisso. Ho scoperto che non riuscivo a …

9 self-study mathematical-statistics negative-binomial proof exponential-family

1

Osservate le informazioni di Fisher durante una trasformazione

θ↦g(θ)=ψθ↦g(θ)=ψ\theta\mapsto g(\theta)=\psig L * ( ψ ) = L ( g - 1 ( ψ ) ) θ g I * ( g ( θ ) ) = I ( θ ) | ∂ g ( θ )L∗(ψ)=max{θ:g(θ)=ψ}L(θ)L∗(ψ)=max{θ:g(θ)=ψ}L(θ) L^*(\psi)=\max_{\{\theta:g(\theta)=\psi\}} L(\theta) gggL*( ψ ) = L ( g- 1( ψ ) …

9 mathematical-statistics inference likelihood fisher-information