Domande e risposte per le persone interessate alle statistiche, all'apprendimento automatico, all'analisi dei dati, al data mining e alla visualizzazione dei dati
Aggiornamento (25/06/2019): modifica del titolo da "I modelli MA non invertibili hanno senso?" per distinguerlo dalla domanda 333802 . Durante la revisione di MA (qqq), mi sono imbattuto in queste diapositive (Alonso e Garcia-Martos, 2012). Gli autori affermano che, mentre tutti i processi MA sono stazionari, se non sono invertibili, …
Sono un po 'confuso su quando dovresti o non dovresti aggiungere termini polinomiali a un modello di regressione lineare multipla. So che i polinomi sono usati per catturare la curvatura nei dati, ma sembra sempre avere la forma di: y=X1+X2+X21+X22+X1X2+ cy=x1+x2+x12+x22+x1x2+cy = x_1 + x_2 + x_1^2 + x_2^2 + …
Sono confuso sul modo corretto di scrivere la rete elastica. Dopo aver letto alcuni articoli di ricerca sembrano esserci tre forme 1) exp{ -λ1|βK| -λ2β2K}exp{-λ1|βK|-λ2βK2}\exp\{-\lambda_1|\beta_k|-\lambda_2\beta_k^2\} 2) exp{ -(λ1|βK| +λ2β2K)σ2√}exp{-(λ1|βK|+λ2βK2)σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{\sqrt{\sigma^2}}\} 3) exp{ -(λ1|βK| +λ2β2K)2σ2}exp{-(λ1|βK|+λ2βK2)2σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{2\sigma^2}\} Semplicemente non capisco il modo corretto di aggiungere σ2σ2\sigma^2. Una delle espressioni sopra è corretta?
So che anche le trasformazioni lineari di serie temporali derivanti da processi (debolmente) stazionari sono stazionarie. È vero, tuttavia, per una trasformazione di una serie prendendo anche il valore assoluto di ciascun elemento? In altre parole, se è stazionario, allora fermo?{Xio, io ∈ N }{Xio,io∈N}\{x_i,i\in\mathbb{N}\}{ |Xio| ,io∈ N }{|Xio|,io∈N}\{|x_i|,i\in\mathbb{N}\}
Quindi qui sto studiando modelli lineari generalizzati. So che questa domanda è abbastanza ingenua e semplice, ma non so esattamente perché la funzione canonica di collegamento sia così utile. Qualcuno potrebbe fornirmi un'intuizione su questo problema?
Sto cercando di capire l'intuizione dietro il selvaggio bootstrap. Che cosa sta realmente facendo? Devo essere in grado di capire cosa sta cercando di fare rispetto a una regressione convenzionale. I miei dati hanno eteroschedasticità e il metodo che utilizzo fa 5000 repliche. Come genera 5000 dati extra?
Aiuto un collega ad avviare un modello a effetti misti di meta-analisi usando il framework del pacchetto metafor R creato da @Wolfgang. È interessante e preoccupante che per uno dei coefficienti del modello ottenga una distribuzione bimodale durante il bootstrap (vedi il pannello in basso a destra della figura sotto). …
La mia domanda è abbastanza semplice: let XXX e YYY essere due variabili casuali uniformi non correlate su [ - 1 , 1 ][−1,1][-1,1]. Sono indipendenti? Ho avuto l'impressione che due variabili casuali, non correlate, siano necessariamente indipendenti solo se la loro distribuzione congiunta è normale. Tuttavia, non posso trovare …
Di seguito è riportato un istogramma di alcuni dati, i bin sono numeri interi mentre gli altri parametri sono irrilevanti. Come puoi vedere, sembrano esserci due distribuzioni normali separate ma sovrapposte per numeri pari e dispari. La probabilità di essere un numero pari è 1/3, allo stesso modo 2/3 per …
Non capisco qual è lo scopo dell'albero decisionale? Per come la vedo io, è una serie di if-else. Perché non uso semplicemente if-else invece di usare un albero decisionale? È perché diminuisce la complessità del mio codice? Sono ancora risparmiato dal calcolo dell'entropia e del guadagno di informazioni perché ci …
La funzione logistica ha un intervallo di uscita da 0 a 1 e la pendenza asintotica è zero su entrambi i lati. Qual è un'alternativa a una funzione logistica che non si appiattisce completamente alle sue estremità? Le cui pendenze asintotiche si avvicinano allo zero ma non allo zero e …
La domanda: Xn→dXXn→dXX_n\stackrel{d}{\rightarrow}X eYn→dY⟹?Xn+Yn→dX+YYn→dY⟹?Xn+Yn→dX+YY_n\stackrel{d}{\rightarrow}Y \stackrel{?}{\implies} X_n+Y_n\stackrel{d}{\rightarrow}X+Y So che questo non vale in generale; Il teorema di Slutsky si applica solo quando una o entrambe le convergenze sono in probabilità. Tuttavia, ci sono casi in cui si fa attesa? Ad esempio, se le sequenze e sono indipendenti.XnXnX_nYnYnY_n
Supponi X = ~ , dove .(X1,...,Xn)(X1,...,Xn)(X_1, ..., X_n)U(θ,2θ)U(θ,2θ)U(\theta, 2\theta)θ∈R+θ∈R+\theta \in \Bbb{R}^+ Come si calcola l'aspettativa condizionale di , dove e sono rispettivamente le statistiche di ordine più piccolo e più grande?E[X1|X(1),X(n)]E[X1|X(1),X(n)]E[X_1|X_{(1)},X_{(n)}]X(1)X(1)X_{(1)}X(n)X(n)X_{(n)} Il mio primo pensiero sarebbe che, poiché le statistiche dell'ordine limitano l'intervallo, è semplicemente , ma non sono …
La seguente domanda si basa sulla discussione trovata in questa pagina . Data una variabile di risposta y, una variabile esplicativa continua xe un fattore fac, è possibile definire un General Additive Model (GAM) con un'interazione tra xe facusando l'argomento by=. Secondo il file di aiuto ?gam.models nel pacchetto R …
Ho il sospetto che questa sia una domanda abbastanza insolita ed esplorativa, quindi per favore abbi pazienza. Mi chiedo se si possa applicare l'idea di campionamento di importanza al campionamento di Gibbs. Ecco cosa intendo: nel campionamento di Gibbs, cambiamo il valore di una variabile (o blocco di variabili) alla …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.