Statystyki i duże zbiory danych

2

Bezzasadność w modelu przyczynowym Rubina - wyjaśnienie Laika

Wdrażając model przyczynowy Rubina, jednym z (niestabilnych) założeń, których potrzebujemy, jest nieuzasadnienie, co oznacza (Y(0),Y(1))⊥T|X(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X Tam, gdzie LHS jest alternatywą, T to leczenie, a X to zmienne towarzyszące, które kontrolujemy. Zastanawiam się, jak to opisać osobie, która nie wie dużo o modelu przyczynowym Rubina. Rozumiem, dlaczego teoretycznie potrzebujemy tego …

13 causality treatment-effect confounding

2

Najlepsze praktyki kodowania funkcji jakościowych dla drzew decyzyjnych?

Podczas kodowania cech kategorycznych dla regresji liniowej obowiązuje zasada: liczba manekinów powinna być o jeden mniejsza niż całkowita liczba poziomów (aby uniknąć kolinearności). Czy istnieje podobna zasada dla drzew decyzyjnych (spakowane, wzmocnione)? Pytam o to, ponieważ standardową praktyką w Pythonie wydaje się być rozszerzanie npoziomów na nmanekiny (sklearny OneHotEncoderlub Pandy …

13 categorical-data random-forest cart boosting

1

Znaczenie osi y na wykresie częściowej zależności losowego lasu

Korzystam z RandomForestpakietu R i nie rozumiem, jak interpretować wartości osi Y na ich wykresach częściowej zależności. Dokumenty pomocnicze stwierdzają, że wykres jest „graficznym przedstawieniem marginalnego wpływu zmiennej na prawdopodobieństwo klasowe”. Nadal jednak nie rozumiem, co dokładnie reprezentuje oś y. W szczególności, co oznaczają wartości ujemne? Co to znaczy mieć …

13 r interpretation random-forest partial-plot

1

MCMC z algorytmem Metropolis-Hastings: wybór propozycji

Muszę wykonać symulację, aby ocenić całkę funkcji 3-parametrowej, mówimy , która ma bardzo skomplikowaną formułę. Poproszono o użycie metody MCMC w celu jej obliczenia i zaimplementowania algorytmu Metropolis-Hastings w celu wygenerowania wartości rozłożonych jako , i zasugerowano użycie 3 różnych normalnych jako rozkładu propozycji. Czytając kilka przykładów na ten temat, …

13 mcmc metropolis-hastings

1

Jak odczytać dobroć dopasowania na nls R?

Próbuję zinterpretować dane wyjściowe nls (). Przeczytałem ten post, ale nadal nie rozumiem, jak wybrać najlepsze dopasowanie. Z moich ataków mam dwa wyjścia: > summary(m) Formula: y ~ I(a * x^b) Parameters: Estimate Std. Error t value Pr(>|t|) a 479.92903 62.96371 7.622 0.000618 *** b 0.27553 0.04534 6.077 0.001744 ** …

12 r least-squares nonlinear-regression goodness-of-fit

8

Testowanie algorytmów generowania losowych zmiennych

Jakie metody są używane do testowania algorytmów generowania zmiennych losowych?

12 algorithms hypothesis-testing random-variable random-generation

1

Jak mogę sprawdzić, czy dwa oszacowania parametrów w tym samym modelu są znacząco różne?

Mam model y= xza× zb+ ey=xa×zb+e y=x^a \times z^b + e gdzie jest zależne zmienne, i mają zmienne objaśniające, i są parametrami i jest uchyb. Mam parametrów szacunki i oraz macierzy kowariancji tych szacunków. Jak zrobić testu I, jeżeli i są znacząco różne?yyyxxxzzzzaaabbbmieezaaabbbzaaabbb

12 statistical-significance nonlinear-regression

1

Obiektywne a subiektywne paradygmaty bayesowskie

Jaka jest różnica między obiektywnymi a subiektywnymi paradygmatami bayesowskimi? Jakie obiekty lub procedury definiują lub interpretują inaczej? Czy jest jakaś różnica w wyborze metod?

12 bayesian methodology

11

Czy rozkład, który jest normalny, ale mocno wypaczony, jest uważany za gaussowski?

Mam pytanie: jak myślisz, jak wygląda rozkład czasu spędzanego dziennie na YouTube? Moja odpowiedź jest taka, że prawdopodobnie jest on zwykle rozłożony i mocno zniekształcony. Oczekuję, że istnieje jeden tryb, w którym większość użytkowników spędza średnio jakiś czas, a następnie długi prawy ogon, ponieważ niektórzy użytkownicy są przytłaczającymi użytkownikami zaawansowanymi. …

12 distributions normal-distribution skewness skew-normal

2

Różnica między szczeblami drugim i trzecim w Drabinie związku przyczynowego

W „Księdze powodu” Judei Pearl mówi o tym, co nazywa drabiną przyczynową, która jest zasadniczo hierarchią złożoną z różnych poziomów rozumowania przyczynowego. Najniższe dotyczy wzorców asocjacji w obserwowanych danych (np. Korelacja, prawdopodobieństwo warunkowe itp.), Następne skupiają się na interwencji (co się stanie, jeśli celowo zmienimy proces generowania danych w określony …

12 causality

8

Jeśli wartość p wynosi dokładnie 1 (1,0000000), jakie limity przedziału ufności powinny być spełnione, aby hipoteza zerowa była prawdziwa? [Zamknięte]

Zamknięte . To pytanie wymaga szczegółów lub jasności . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Dodaj szczegóły i wyjaśnij problem, edytując ten post . Zamknięte 7 miesięcy temu . To jest pytanie czysto hipotetyczne. Bardzo częstym stwierdzeniem jest to, że nigdy nie jest prawdziwe, to tylko kwestia wielkości …

12 confidence-interval p-value

1

Jak pobierać próbki równomiernie z powierzchni hiper-elipsoidy (stała odległość Mahalanobisa)?

Czy w przypadku wielowymiarowym o wartościach rzeczywistych istnieje sposób, aby równomiernie próbkować punkty z powierzchni, na których odległość Mahalanobisa od średniej jest stała? EDYCJA: sprowadza się to do równomiernego pobierania próbek z powierzchni hiperlipsoidy, która spełnia równanie, (x−μ)TΣ−1(x−μ)=d2.(x−μ)TΣ−1(x−μ)=d2.(x-\mu)^T \Sigma^{-1}(x-\mu) = d^2. Mówiąc bardziej precyzyjnie, w „równomiernie”, to znaczy próbki, tak, …

12 random-generation uniform

1

Czy w przypadku uśredniania modelu GLM uśredniamy prognozy na skali łącza lub odpowiedzi?

Aby obliczyć prognozy uśrednione w modelu na skali odpowiedzi GLM, która jest „poprawna” i dlaczego? Obliczyć uśrednioną prognozę modelu na skali łącza, a następnie przekształcić wstecz do skali odpowiedzi, lub Wstecz przekształć prognozy do skali odpowiedzi, a następnie oblicz średnią modelową Prognozy są bliskie, ale nie równe, jeśli model jest …

12 generalized-linear-model model-averaging

1

Czy metaanaliza ilorazów szans jest w zasadzie beznadziejna?

W ostatnim artykule Norton i in. (2018) stwierdzają, że[1][1]^{[1]} Różnych ilorazów szans z tego samego badania nie można porównać, gdy modele statystyczne, które dają oszacowania ilorazu szans, mają różne zmienne objaśniające, ponieważ każdy model ma inny arbitralny współczynnik skalowania. Wielkości ilorazu szans z jednego badania nie można także porównać z …

12 r logistic meta-analysis odds-ratio adjustment

1

Jakie jest znaczenie osi w t-SNE?

Obecnie próbuję owinąć głowę wokół matematyki t-SNE . Niestety, wciąż jest jedno pytanie, na które nie potrafię odpowiedzieć zadowalająco: Jakie jest rzeczywiste znaczenie osi na wykresie t-SNE? Gdybym miał przedstawić prezentację na ten temat lub zamieścić ją w jakiejkolwiek publikacji: Jak odpowiednio oznaczyć osie? PS: Czytam to pytanie Reddita, ale …

12 machine-learning dimensionality-reduction tsne