Statistiche e Big Data regression

1

Due modi di utilizzare bootstrap per stimare l'intervallo di confidenza dei coefficienti in regressione

Sto applicando un modello lineare ai miei dati: yio= β0+ β1Xio+ ϵio,εio~ N( 0 , σ2) .yio=β0+β1Xio+εio,εio~N(0,σ2). y_{i}=\beta_{0}+\beta_{1}x_{i}+\epsilon_{i}, \quad\epsilon_{i} \sim N(0,\sigma^{2}). Vorrei stimare l'intervallo di confidenza (CI) dei coefficienti ( β0β0\beta_{0} , β1β1\beta_{1} ) usando il metodo bootstrap. Esistono due modi in cui posso applicare il metodo bootstrap: Esempio di …

21 regression bootstrap

3

Come calcolare la bontà di adattamento in glm (R)

Ho il seguente risultato dall'esecuzione della funzione glm. Come posso interpretare i seguenti valori: Deviazione nulla Devianza residua AIC Hanno qualcosa a che fare con la bontà di adattarsi? Posso calcolare la bontà della misura di adattamento da questi risultati come R-quadrato o qualsiasi altra misura? Call: glm(formula = tmpData$Y …

21 r regression generalized-linear-model

4

Come proiettare un nuovo vettore nello spazio PCA?

Dopo aver eseguito l'analisi dei componenti principali (PCA), voglio proiettare un nuovo vettore nello spazio PCA (ovvero trovare le sue coordinate nel sistema di coordinate PCA). Ho calcolato PCA in linguaggio R utilizzando prcomp. Ora dovrei essere in grado di moltiplicare il mio vettore per la matrice di rotazione PCA. …

21 r pca r variance heteroscedasticity misspecification distributions time-series data-visualization modeling histogram kolmogorov-smirnov negative-binomial likelihood-ratio econometrics panel-data categorical-data scales survey distributions pdf histogram correlation algorithms r gpu parallel-computing approximation mean median references sample-size normality-assumption central-limit-theorem rule-of-thumb confidence-interval estimation mixed-model psychometrics random-effects-model hypothesis-testing sample-size dataset large-data regression standard-deviation variance approximation hypothesis-testing variance central-limit-theorem kernel-trick kernel-smoothing error sampling hypothesis-testing normality-assumption philosophical confidence-interval modeling model-selection experiment-design hypothesis-testing statistical-significance power asymptotics information-retrieval anova multiple-comparisons ancova classification clustering factor-analysis psychometrics r sampling expectation-maximization markov-process r data-visualization correlation regression statistical-significance degrees-of-freedom experiment-design r regression curve-fitting change-point loess machine-learning classification self-study monte-carlo markov-process references mathematical-statistics data-visualization python cart boosting regression classification robust cart survey binomial psychometrics likert psychology asymptotics multinomial

5

Qual è il significato intuitivo di avere una relazione lineare tra i registri di due variabili?

Ho due variabili che non mostrano molta correlazione quando vengono tracciate una contro l'altra così com'è, ma una relazione lineare molto chiara quando tracciamo i log di ciascuna variabile di nuovo rispetto all'altra. Quindi finirei con un modello del tipo: log(Y)=alog(X)+blog⁡(Y)=alog⁡(X)+b\log(Y) = a \log(X) + b , che è ottimo …

20 regression correlation log

1

Regressione per variabili indipendenti categoriali e dipendente continuo

Ho appena capito che ho sempre lavorato al problema della regressione in cui le variabili indipendenti erano sempre numeriche. Posso usare la regressione lineare nel caso in cui tutte le variabili indipendenti siano categoriche?

20 regression categorical-data

1

Perché LASSO non trova la mia coppia predittiva perfetta ad alta dimensionalità?

Sto eseguendo un piccolo esperimento con la regressione di LASSO in R per testare se è in grado di trovare una coppia predittiva perfetta. La coppia è definita in questo modo: f1 + f2 = risultato Il risultato qui è un vettore predeterminato chiamato 'età'. F1 e f2 vengono creati …

20 r regression feature-selection lasso high-dimensional

1

Dalle reti bayesiane alle reti neurali: come la regressione multivariata può essere trasposta in una rete multi-output

Ho a che fare con un modello lineare gerarchico bayesiano , qui la rete lo descrive. YYY rappresenta le vendite giornaliere di un prodotto in un supermercato (osservato). XXX è una matrice nota di regressori, inclusi prezzi, promozioni, giorno della settimana, tempo, festività. SSS è il livello di inventario latente …

20 regression bayesian neural-networks generalized-linear-model bayesian-network

1

Howlers causati dall'uso della regressione graduale

Sono ben consapevole dei problemi della selezione graduale / avanti / indietro nei modelli di regressione. Esistono numerosi casi di ricercatori che denunciano i metodi e indicano alternative migliori. Ero curioso di sapere se esistono delle storie in cui un'analisi statistica: ha usato la regressione graduale; fatto alcune conclusioni importanti …

20 regression stepwise-regression history

5

Ipotesi di regressione multipla: in che modo il presupposto della normalità è diverso dal presupposto della varianza costante?

Ho letto che queste sono le condizioni per l'utilizzo del modello di regressione multipla: i residui del modello sono quasi normali, la variabilità dei residui è quasi costante i residui sono indipendenti e ogni variabile è linearmente correlata al risultato. In che modo 1 e 2 sono diversi? Puoi vederne …

20 regression multiple-regression assumptions

2

Prova che la statistica F segue la distribuzione F.

Alla luce di questa domanda: prova che i coefficienti in un modello OLS seguono una distribuzione t con gradi di libertà (nk) Mi piacerebbe capire perché F=(TSS−RSS)/(p−1)RSS/(n−p),F=(TSS−RSS)/(p−1)RSS/(n−p), F = \frac{(\text{TSS}-\text{RSS})/(p-1)}{\text{RSS}/(n-p)}, dove è il numero di parametri del modello e il numero di osservazioni e la varianza totale, la varianza residua, …

20 regression hypothesis-testing least-squares f-distribution f-statistic

1

La prova dei coefficienti di riduzione usando la regressione della cresta attraverso la "decomposizione spettrale"

Ho capito come la regressione della cresta restringe geometricamente i coefficienti verso zero. Inoltre so come dimostrarlo nello speciale "caso ortonormale", ma sono confuso su come funziona nel caso generale tramite "decomposizione spettrale".

20 regression multiple-regression regularization ridge-regression svd

5

Dobbiamo ancora fare la selezione delle funzionalità durante l'utilizzo degli algoritmi di regolarizzazione?

Ho una domanda per quanto riguarda la necessità di utilizzare i metodi di selezione delle caratteristiche (le foreste casuali presentano un valore di importanza o i metodi di selezione delle caratteristiche univariati, ecc.) Prima di eseguire un algoritmo di apprendimento statistico. Sappiamo che per evitare un eccesso di adattamento possiamo …

20 regression machine-learning feature-selection lasso regularization

1

Come utilizzare il metodo delta per errori standard di effetti marginali?

Sono interessato a comprendere meglio il metodo delta per l'approssimazione degli errori standard degli effetti marginali medi di un modello di regressione che include un termine di interazione. Ho esaminato le domande correlate sotto il delta-method ma nessuno ha fornito esattamente quello che sto cercando. Considera i seguenti dati di …

20 r regression standard-error effect-size delta-method

3

Test del coefficiente del modello (pendenza di regressione) rispetto a un valore

In R, quando ho un (generalizzato) modello lineare ( lm, glm, gls, glmm, ...), come posso testare il coefficiente (pendenza di regressione) contro un valore diverso da 0? Nel riassunto del modello, i risultati del test t del coefficiente vengono automaticamente riportati, ma solo per il confronto con 0. Voglio …

20 r regression t-test

1

Come ottenere il valore dell'errore al quadrato medio in una regressione lineare in R

Consenti a un modello di regressione lineare ottenuto dalla funzione R che vorrei sapere se è possibile ottenere con il comando Errore quadrato medio. Ho avuto l'uscita SEGUENTE di un esempio > lm <- lm(MuscleMAss~Age,data) > sm<-summary(lm) > sm Call: lm(formula = MuscleMAss ~ Age, data = data) Residuals: Min …

20 r regression error

Domande taggate «regression»