Статистика та великі дані

Якщо у мене є випадкові величини , які Пуассон розподілено з параметрами , який розподіл (тобто цілий поверх середнього)?X1,X2,…,XnX1,X2,…,XnX_1,X_2,\ldots,X_nλ1,λ2,…,λnλ1,λ2,…,λn\lambda_1, \lambda_2,\ldots, \lambda_nY=⌊∑ni=1Xin⌋Y=⌊∑i=1nXin⌋Y=\left\lfloor\frac{\sum_{i=1}^n X_i}{n}\right\rfloor Сума Пуассона - це також Пуассон, але я недостатньо впевнений у статистиці, щоб визначити, чи це те саме для вищезазначеного випадку.

20 poisson-distribution  average 

Гаразд, я маю логістичну регресію і використовував predict()функцію для розробки кривої ймовірності на основі моїх оцінок. ## LOGIT MODEL: library(car) mod1 = glm(factor(won) ~ as.numeric(bid), data=mydat, family=binomial(link="logit")) ## PROBABILITY CURVE: all.x <- expand.grid(won=unique(won), bid=unique(bid)) y.hat.new <- predict(mod1, newdata=all.x, type="response") plot(bid<-000:1000,predict(mod1,newdata=data.frame(bid<-c(000:1000)),type="response"), lwd=5, col="blue", type="l") Це чудово, але мені цікаво будувати довірчі …

20 r  logistic  confidence-interval 

Ми знаємо, що парний t- test - це лише особливий випадок односторонньої (або всередині суб'єкта) ANOVA, а також лінійної моделі зі змішаним ефектом, яку можна продемонструвати за допомогою lme () функції пакету nlme в R як показано нижче. #response data from 10 subjects under two conditions x1<-rnorm(10) x2<-1+rnorm(10) # Now …

20 r  mixed-model  t-test  repeated-measures  lme4-nlme 

Функція qqnorm()R виробляє нормальний QQ-графік і qqline()додає лінію, яка проходить через перший і третій чверті. Яке походження цієї лінії? Чи корисно перевірити нормальність? Це не класична лінія (діагональ можливо після лінійного масштабування).у= ху=хy=x Ось приклад. Спочатку я порівняти емпіричну функцію розподілу з теоретичної функцією розподілу : Тепер я побудувати QQ-ділянку …

20 r  normal-distribution  qq-plot 

Зовсім недавно я прочитав дві статті. Перший - про історію кореляції, а другий - про новий метод під назвою Максимальний інформаційний коефіцієнт (MIC). Мені потрібна ваша допомога щодо розуміння методу MIC для оцінки нелінійних кореляцій між змінними. Більше того, Інструкції щодо використання в R можна знайти на веб-сайті автора (у …

20 correlation  nonparametric  bioinformatics  information-theory  mutual-information 

Нещодавно я проаналізував експеримент, який маніпулював 2 категоричними змінними та однією безперервною змінною за допомогою ANCOVA. Однак рецензент припустив, що множинна регресія з категоріальною змінною, кодованою як манекенні змінні, є більш підходящим тестом для експериментів як з категоричною, так і безперервною змінними. Коли доцільно використовувати ANCOVA проти багаторазової регресії з …

20 regression  multiple-regression  ancova  categorical-encoding 

Чи правильно я розумію, що порядок, у якому змінні вказані в багатофакторному ANOVA, має значення, але порядок не має значення при виконанні множинної лінійної регресії? Тож припускаючи такий результат, як вимірювана втрата крові y та дві категоричні змінні метод аденоїдектомії a , метод тонзилектомії b . Модель y~a+bвідрізняється від моделі …

20 regression  hypothesis-testing  anova  unbalanced-classes  sums-of-squares 

Припустимо, я хочу побудувати модель, щоб передбачити якесь співвідношення чи відсоток. Наприклад, скажімо, я хочу передбачити кількість хлопців проти дівчат, які будуть відвідувати вечірку, і особливості вечірки, яку я можу використовувати в моделі, такі речі, як кількість реклами для вечірки, розмір місця проведення, чи є буде будь-який алкоголь на вечірці …

20 regression  logistic 

У ряді статистичних пакетів, включаючи SAS, SPSS та, можливо, більше, є можливість "придушити перехоплення". Чому б ти хотів це зробити?

20 regression 

У дослідженнях асоціації, пов’язаних з геномом (GWAS): Які основні компоненти? Для чого вони використовуються? Як вони обчислюються? Чи можна проводити дослідження асоціації, пов’язане з геном, без використання PCA?

20 pca  genetics  gwas 

Мене розгублено щодо того, як вирішити, чи слід розглядати час як неперервний чи дискретний аналіз аналізу виживання. Зокрема, я хочу використовувати аналіз виживання для виявлення змінних на рівні дітей та домогосподарств, які мають найбільшу невідповідність у своєму впливі на виживання хлопчиків та дівчат (до 5 років). У мене є набір …

20 survival  ties 

Для опису певних властивостей зазвичай використовують другий, третій та четвертий моменти розподілу. Чи описують часткові моменти або моменти вище четвертого будь-які корисні властивості розподілу?

20 distributions  moments  partial-moments 

Я працюю над створенням веб-сайту, який відображає дані перепису для вибраних користувачем полігонів і хотів би графічно показати розподіл різних параметрів (один графік на параметр). Дані зазвичай мають такі властивості: Розмір вибірки, як правило, великий (скажімо, близько 10 000 точок даних) Діапазон значень, як правило, великий (наприклад, мінімальна кількість населення …

20 distributions  data-visualization  boxplot 

Ангріст і Пішке запропонували сказати, що про надійні (тобто стійкі до гетеросклестичності або неоднакові відмінності) стандартні помилки повідомляються як звичайно, а не для перевірки на них. Два питання: Що впливає на стандартні помилки при цьому, коли є гомоскедастичність? Хтось насправді це робить у своїй роботі?

20 regression  standard-error  heteroscedasticity  robust-standard-error 

Після того, як модель ARMA підходить до часового ряду, звичайно перевіряти залишки за допомогою тесту на портманто Ljung-Box (серед інших тестів). Тест Ljung-Box повертає значення ap. Він має параметр, h , яка є кількістю лагів, які підлягають тестуванню. У деяких текстах рекомендується використовувати h = 20; інші рекомендують використовувати h …

20 time-series