Statystyki i duże zbiory danych

Pytania i odpowiedzi dla osób zainteresowanych statystyką, uczeniem maszynowym, analizą danych, eksploracją danych i wizualizacją danych

1
Czy to ważne, jak próbkujesz populację?
Mam dobrze wymieszaną kadzinę zawierającą nieskończoną liczbę kulek. W kadzi jest nieskończona ilość kulek, ale występują one tylko w nieznanej, ale skończonej liczbie odmian : jest nieznany, a dla narysowanie marmuru typu może być bardziej prawdopodobne niż narysowanie marmuru typu .V.= {v1,v2),v3), . . . ,vk}V.={v1,v2),v3),...,vk}\mathcal{V} = \{v_{1},v_{2},v_{3},...,v_{k}\} kkki ≠ …
1
Jak uzyskać standardowe błędy z regresji danych zliczanych z zerową liczbą R? [Zamknięte]
Zamknięte. To pytanie jest nie na temat . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby było tematem dotyczącym weryfikacji krzyżowej. Zamknięte 2 lata temu . Poniższy kod PredictNew <- predict (glm.fit, newdata = Predict, X1 =X1, Y1= Y1, type = "response", se.fit = TRUE) tworzy 3-kolumnowy …
2
Jak mogę oszacować 95% przedziały ufności za pomocą profilowania parametrów oszacowanych przez maksymalizację funkcji wiarygodności logarytmicznej przy użyciu funkcji Optim w R?
Jak mogę oszacować 95% przedziały ufności za pomocą profilowania parametrów oszacowanych przez maksymalizację funkcji wiarygodności logarytmicznej przy użyciu funkcji Optim w R? Wiem, że mogę asymptotycznie oszacować macierz kowariancji, odwracając hessian , ale obawiam się, że moje dane nie spełniają założeń wymaganych do prawidłowości tej metody. Wolałbym oszacować przedziały ufności …
1
Symulowanie rozkładów
Pracuję nad zadaniem planowania pojemności i przeczytałem kilka książek. Dotyczy to w szczególności dystrybucji. Używam R. Jakie jest zalecane podejście do identyfikacji mojej dystrybucji danych? Czy istnieją statystyczne metody jego identyfikacji? Mam ten schemat. Jakie są dostępne podejścia do symulacji przy użyciu R? Tutaj chcę wygenerować dane dla określonej dystrybucji, …
2
Zamieszanie związane z krigingiem
Czytałem ten artykuł na Wikipedii związany z krigingiem. Nie zrozumiałem tej części, kiedy to mówi Kriging oblicza najlepszy liniowy estymator bezstronny, , z taki sposób, że wariancja kriginga jest minimalizowana wraz z warunkiem bezstronności. Nie otrzymałem pochodnej, a także jak zminimalizować wariancję. Jakieś sugestie?Z^(x0)Z^(x0)\hat Z (x_0)Z(x0)Z(x0)Z(x_0) Szczególnie nie dostałem części, …
2
Korelacja istotna w każdej grupie, ale nieistotna w ogóle?
Załóżmy, że test korelacji Pearsona między zmienną i w grupach i . Czy możliwe jest aby korelacja była znacząca w każdym z i , ale nieistotna, gdy dane z obu grup są połączone? W takim przypadku proszę podać wyjaśnienie.xxxyyyZAZAAbbB( x , y)(x,y)(x,y)ZAZAAbbB
1
Szacowany rozkład wartości własnych dla danych identyfikacyjnych (jednolitych lub normalnych)
Zakładając, że mam zestaw danych o wymiarach (np. ), dzięki czemu każdy wymiar to iid (alternatywnie każdy wymiar ) i niezależny od wzajemnie.dddd=20d=20d=20Xi∼U[0;1]Xi∼U[0;1]X_i \sim U[0;1]Xi∼N[0;1]Xi∼N[0;1]X_i \sim \mathcal N[0;1] Teraz rysuję losowy obiekt z tego zestawu danych i biorę najbliższych sąsiadów i obliczam PCA na tym zestawie. W przeciwieństwie do tego, …
2
Parametryczne, półparametryczne i nieparametryczne ładowanie początkowe dla modeli mieszanych
Z tego artykułu pochodzą następujące przeszczepy . Jestem nowicjuszem w bootstrapie i próbuję zaimplementować parametryczne, semiparametryczne i nieparametryczne bootstrapowanie dla liniowego modelu mieszanego z R bootpakietem. Kod R. Oto mój Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- function(data, …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.