Статистика та великі дані

Я знаю, що це може бути трохи моторошно, статистично, але це моя проблема. У мене дуже багато даних про діапазон, тобто мінімальний, максимальний і розмір вибірки змінної. Для деяких із цих даних я також маю на увазі, але не багато. Я хочу порівняти ці діапазони один з одним, щоб кількісно …

14 r  normal-distribution  estimation  missing-data  order-statistics 

Я треную класифікаційну модель із випадковим лісом для розмежування між 6 категоріями. Мої трансакційні дані мають приблизно 60 К + спостережень та 35 змінних. Ось приклад того, як це приблизно виглядає. _________________________________________________ |user_id|acquisition_date|x_var_1|x_var_2| y_vay | |-------|----------------|-------|-------|--------| |111 | 2013-04-01 | 12 | US | group1 | |222 | 2013-04-12 | …

14 r  machine-learning  classification  random-forest 

У мене є вибірка з 100 точок, які є суцільними та одновимірними. Я оцінив його непараметричну щільність за допомогою методів ядра. Як я можу взяти випадкові вибірки з цього розрахункового розподілу?

14 r  sampling  kernel-smoothing 

Я рецензую статтю академічного журналу, і автори написали наступне як обґрунтування того, що не повідомляють про будь-яку інфекційну статистику (я визначив характер двох груп): В цілому 25 з 2349 (1,1%) респондентів повідомили X . Ми належним чином утримуємося від подання аналізів, які статистично порівнюють групу X з групою Y (інші …

14 hypothesis-testing  sample-size  power-analysis  power  group-differences 

Випадкові ліси працюють, створюючи ансамбль дерев рішень, де кожне дерево створюється за допомогою зразка завантажувального зразка вихідних навчальних даних (вибірки обох вхідних змінних та спостережень). Чи можна застосувати подібний процес для лінійної регресії? Створіть k лінійних моделей регресії, використовуючи випадковий зразок завантаження для кожної з k регресій Які причини НЕ …

14 regression  predictive-models  ensemble 

Сьогодні мене запитали, чи вважається р-значення 0,05 (точно) значущим (задане альфа = 5%) чи ні. Я не знав відповіді, і Google виявив обидві відповіді: (a) результат є значущим, якщо p менше 5%, і (b) якщо p менше 5% або дорівнює 5%. Звичайно, жоден із цих веб-сайтів нікого не цитував. Навіщо …

14 hypothesis-testing  statistical-significance  p-value 

Я намагаюся зрозуміти результат, який я бачу в своєму графіку нижче. Зазвичай я схильний використовувати Excel і отримую лінійно-регресійну лінію, але у випадку нижче я використовую R і отримую поліноміальну регресію з командою: ggplot(visual1, aes(ISSUE_DATE,COUNTED)) + geom_point() + geom_smooth() Тож мої запитання зводяться до цього: Яка сіра зона (стрілка №1) …

14 r  regression  data-visualization  outliers 

Я хочу розробити модель прогнозування (Cox PH) для смертності за всіма причинами в наборі даних учасників, з яких (майже) всі померли після закінчення спостереження (наприклад, 1 рік). Замість того, щоб прогнозувати абсолютний ризик померти в певний момент часу, я хотів би передбачити час виживання (у місяцях) для кожної людини. Чи …

14 survival  prediction  cox-model 

Я хотів би оцінити співвідношення між: Порядкова змінна: суб'єктам пропонується оцінити їх перевагу для 6 видів фруктів за шкалою 1-5 (від дуже огидної до дуже смачної). В середньому випробувані використовують лише 3 бали шкали. Безперервна змінна: ті ж суб'єкти просять швидко визначити ці плоди, що призводить до середньої точності для …

14 correlation  ordinal-data  spearman-rho  continuous-data 

Коротка версія: Я шукаю пакет R, який може будувати дерева рішень, тоді як кожен лист у дереві рішень - це повна модель лінійної регресії. AFAIK, бібліотека rpartстворює дерева рішень, де залежна змінна є постійною у кожному аркуші. Чи є інша бібліотека (або rpartустановка, про яку я не знаю), яка може …

14 r  regression  rpart  cart 

Досить поширеним є опис значень альфа Кронбаха таким чином: α ≥ 0,9 Відмінно 0,7 ≤ α <0,9 Добре 0,6 ≤ α <0,7 Прийнятно 0,5 ≤ α <0,6 Погано α <0,5 Неприпустимо Звідки беруться ці значення? Я не можу знайти оригінальну дослідницьку статтю, що описує їх. Редагувати: Я на 90% впевнений, …

14 reliability  psychometrics  cronbachs-alpha 

Мені було надано дані для аналізу для дослідження впливу на рівень заліза в чотирьох різних часових моментах (до початку лікування закінчувався день, через 4 тижні після лікування та через 2-4 місяці після лікування). Контрольної групи немає. Вони шукають, чи є значне підвищення рівня заліза в кожному з 3 періодів часу …

14 repeated-measures  multiple-comparisons  wilcoxon-signed-rank 

Дані, які ми хочемо використовувати як залежну змінну, виглядають так (це дані про кількість). Ми побоюємось, що оскільки вона має циклічну складову та структуру тенденцій, регресія виявляється якось упередженою. Ми будемо використовувати негативну біноміальну регресію, якщо це допоможе. Дані - це збалансована панель, одна манекен на кожного (штати). На зображеному …

14 autocorrelation  panel-data  fixed-effects-model  trend  lags 

У статті я знайшов формулу для стандартного відхилення розміру вибірки NNN σ=R¯¯¯¯2.534σ=R¯2.534\sigma=\frac{\overline{R}}{2.534} де - середній діапазон підпроб (розмір ) від основного зразка. Як число ? Це правильне число?R¯¯¯¯R¯\overline{R}6662.5342.5342.534

14 standard-deviation  descriptive-statistics  range 

Я знаю, що k-засоби, як правило, оптимізуються за допомогою максимізації очікування . Однак ми могли б оптимізувати його функцію втрат так само, як і будь-яку іншу! Я знайшов деякі документи, які фактично використовують стохастичний градієнтний спуск для великомасштабних k-засобів, але не змогли отримати відповідь на моє питання. Отже, хтось знає, …

14 optimization  k-means  expectation-maximization  loss-functions