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

3
Adattarsi di proposito
Avrebbe senso sovralimentare un modello di proposito? Supponiamo di avere un caso d'uso in cui so che i dati non varieranno molto rispetto ai dati di addestramento. Sto pensando qui alla previsione del traffico, in cui lo stato del traffico segue una serie fissa di schemi pendolarismo mattutino attività notturna …




1
Risoluzione analitica del campionamento con o senza sostituzione dopo il binomio di Poisson / Negativo
Versione breve Sto cercando di risolvere analiticamente / approssimare la probabilità composita che deriva da estrazioni indipendenti di Poisson e da un ulteriore campionamento con o senza sostituzione (non mi interessa davvero quale). Voglio usare la probabilità con MCMC (Stan), quindi ho bisogno della soluzione solo fino a un termine …

2
L'esempio quando si utilizza l'accuratezza come misura di risultato porterà a una conclusione errata
Sto esaminando varie misure di prestazione per i modelli predittivi. Molto è stato scritto sui problemi di utilizzo dell'accuratezza, invece di qualcosa di più continuo per valutare le prestazioni del modello. Frank Harrell http://www.fharrell.com/post/class-damage/ fornisce un esempio quando l'aggiunta di una variabile informativa a un modello porterà a una riduzione …


1
Come viene chiamata la famiglia di distribuzioni con PDF proporzionale a ?
Considera una famiglia di distribuzioni con PDF (fino a una costante di proporzionalità) data da Come si chiama? Se non ha un nome, come lo chiameresti?p(x)∼1(1+αx2)1/α.p(x)∼1(1+αx2)1/α.p(x)\sim \frac{1}{(1+\alpha x^2)^{1/\alpha}}. Sembra abbastanza simile alla famiglia di distribuzioni con PDF proporzionale a tttp ( x ) ∼1( 1 +1νX2)( ν+ 1 ) / …

1
Ottimizzazione bayesiana per rumore non gaussiano
Una funzione scatola nera f:Rn→Rf:Rn→Rf: \mathbb{R}^n \rightarrow \mathbb{R}, che viene valutato puntualmente in base al rumore gaussiano, ovvero f(x)+N(μ(x),σ(x)2)f(x)+N(μ(x),σ(x)2)f(x) + \mathcal{N}(\mu(x),\sigma(x)^2), può essere ridotto a icona utilizzando l'ottimizzazione bayesiana in cui un processo gaussiano viene utilizzato come modello di funzione rumoroso. Come si può utilizzare l'ottimizzazione bayesiana per funzioni soggette …

1
Spiegazione / motivazione intuitiva della distribuzione stazionaria di un processo
Spesso, in letteratura, gli autori sono stati interessati a trovare la distribuzione stazionaria di un processo di serie storiche. Ad esempio, considera il seguente semplice processo AR ( ) : dove .111{Xt}{Xt}\{X_t\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t, et∼iidfet∼iidfe_t\stackrel{iid}{\thicksim} f Quali potrebbero essere le motivazioni per trovare la distribuzione stazionaria di …

2
Quali sono le opere recenti e la portata della ricerca sull'inferenza asintotica (teoria dei grandi campioni)?
Quali sono alcuni lavori teorici significativi attualmente svolti nel campo dell'inferenza asintotica / teoria dei grandi campioni? Qual è lo scopo della ricerca in questo campo in questo momento? C'è qualche problema aperto o aree specifiche in cui la teoria si sta sviluppando negli ultimi tempi? O è un soggetto …

4
Prova che
I problemi statistici che coinvolgono intervalli di confidenza per una media della popolazione possono essere inquadrati in termini della seguente funzione di ponderazione : w ( α , n ) ≡tn - 1 , α / 2n--√per 0 < α < 1 e n > 1.w(α,n)≡tn-1,α/2nper 0<α<1 e n>1.w(\alpha, n) …

1
confronto di gruppi in modelli FE di misure ripetute, con un componente di errore nidificato, stimato utilizzando plm
Ho stimato alcune misure ripetute Modelli di effetti fissi, con un componente di errore nidificato, basato su variabili di raggruppamento, ovvero modelli non nidificati, utilizzando plm. Ora sono interessato a verifica se i modelli completi sono significativamente diversi, ad es Ho:βFe m a l e=βMa l eHo:βFemun'le=βMun'leH_o: \beta_{Female} = \beta_{Male} …


2
La signora A seleziona un numero modo casuale dalla distribuzione uniforme su . Quindi il signor B disegna ripetutamente e indipendentemente numeri
La signora A seleziona un numero modo casuale dalla distribuzione uniforme su . Quindi Mr. B ripetutamente e indipendentemente, disegna i numeri dalla distribuzione uniforme su , fino a quando non ottiene un numero maggiore di , quindi si ferma. La somma prevista del numero che Mr. B disegna, dato …

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.