Статистика та великі дані

Питання та відповіді для людей, зацікавлених у статистиці, машинному навчанні, аналізі даних, інтелектуальному аналізу даних та візуалізації даних

1
Гамільтонівський Монте-Карло та дискретні проміжки параметрів
Я тільки почав будувати моделі в квартирі ; щоб побудувати знайомство з інструментом, я працюю над деякими вправами в баєсовському аналізі даних (2-е видання). У Waterbuck вправу передбачає , що дані , з невідомо. Оскільки Гамільтоніан Монте-Карло не дозволяє дискретні параметри, я оголосив N як справжній \ у [72, \ …

2
дисперсія в резюме.glm ()
Я провів glm.nb о glm1<-glm.nb(x~factor(group)) при цьому група є категоріальною, а х - метричною змінною. Коли я намагаюся отримати підсумок результатів, я отримую дещо інші результати, залежно від того, використовую summary()чи summary.glm. summary(glm1)дає мені ... Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.1044 0.1519 0.687 0.4921 factor(gruppe)2 0.1580 0.2117 …

4
Чи ідентифіковані моделі auto.arima () парсимонічні?
Я намагався вивчити та застосувати моделі ARIMA. Я читав чудовий текст про ARIMA Pankratz - Прогнозування за допомогою Univariate Box - Дженкінс Моделі: поняття та випадки . У тексті автор особливо наголошує на принципі парсизму у виборі моделей ARIMA. Я почав грати з auto.arima()функцією в R пакета прогнозу . Ось …

3
Автоковаріація процесу ARMA (2,1) - виведення аналітичної моделі для
Мені потрібно вивести аналітичні вирази для функції автоковаріації процесу ARMA (2,1), позначеного:γ(k)γ(k)\gamma\left(k\right) yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Отже, я знаю, що: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] тож я можу написати: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] потім, щоб отримати аналітичну версію функції автоковаріації, мені потрібно підміняти значення kkk - 0, 1, 2 ..., поки я не …



2
Процес AR (1) з помилками гетеросцедастичного вимірювання
1. Проблема У мене є деякі вимірювання змінної , де , для яких у мене є розподіл отриманий через MCMC, що для простоти, я вважаю, є гауссом середнього значення та дисперсія . т = 1 , 2 , . . , n f y t ( y t ) μ …


2
Як може працювати багатокласний перцептрон?
У математики я не маю жодного фону, але я розумію, як працює простий Perceptron, і я думаю, що я розумію концепцію гіперплана (я уявляю це геометрично як площину в тривимірному просторі, яка відокремлює дві точкові хмари, подібно до того, як лінія відокремлена. дві точкові хмари у двовимірному просторі). Але я …

3
Потрібен алгоритм для обчислення відносної ймовірності того, що дані є вибіркою від нормального та логічного нормального розподілу
Скажімо, у вас є набір значень, і ви хочете знати, чи є більш імовірним, що вони були відібрані з гауссового (нормального) розподілу або відібрані з лонормального розподілу? Звичайно, в ідеалі ви знаєте щось про населення або про джерела експериментальної помилки, тому ви мали б додаткову інформацію, корисну для відповіді на …

4
Чи є якась кількісна властивість населення «параметром»?
Я відносно знайомий з різницею між термінами статистика та параметр. Я бачу статистику як значення, отримане від застосування функції до вибіркових даних. Однак більшість прикладів параметрів стосуються визначення параметричного розподілу. Поширений приклад - середнє та стандартне відхилення для параметризації нормального розподілу або коефіцієнтів та відхилень помилок для параметризації лінійної регресії. …

1
За допомогою k-кратної перехресної перевірки ви оцінюєте всі
Під час виконання перехресної перевірки k-fold, я розумію, що ви отримуєте метрику точності, вказуючи всі складки, крім однієї на цю складку, і роблячи передбачення, а потім повторюйте цей процес разів. Потім ви можете запустити показники точності на всіх ваших примірниках (точність, нагадування,% класифіковано правильно), яка повинна бути такою ж, як …

1
Розрахунок ICC для логістичної регресії випадкових ефектів
Я запускаю логістичну регресійну модель у вигляді: lmer(response~1+(1|site), family=binomial, REML = FALSE) Зазвичай я б обчислював ICC за перехопленнями та залишковими відхиленнями, але резюме моделі не містить залишкової дисперсії. Як я обчислюю це?

4
Boxplot еквівалент для важкохвостих розподілів?
Для приблизно нормально розповсюджених даних, боксплоти - це прекрасний спосіб швидкої візуалізації медіани та розповсюдження даних, а також наявності будь-яких залишків. Однак для більш важкохвостих розподілів, багато очок відображаються як екслієри, оскільки люди, що визначають перешкоди, визначаються як такі, що не мають фіксованого коефіцієнта IQR, і це, звичайно, відбувається набагато …

3
Коли z-перетворення Фішера підходить?
Я хочу перевірити вибіркову кореляцію на значущість, використовуючи p-значення, тобтоrrr Н0: ρ = 0 ,Н1: ρ ≠ 0.H0:ρ=0,H1:ρ≠0.H_0: \rho = 0, \; H_1: \rho \neq 0. Я зрозумів, що можу використовувати z-перетворення Фішера, щоб обчислити це zo b s= n - 3-----√2ln( 1 + r1 - r)zobs=n−32ln⁡(1+r1−r)z_{obs}= \displaystyle\frac{\sqrt{n-3}}{2}\ln\left(\displaystyle\frac{1+r}{1-r}\right) і знаходження …

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.