Статистика та великі дані

Моє запитання стосується взаємозв'язку альфа-бета-версії та їх визначень у статистиці. альфа = рівень помилки типу I = рівень значущості, що враховується, що гіпотеза NULL є правильною Бета = показник помилок II типу Якщо альфа знижується (специфічність збільшується як альфа = 1- специфічність), бета збільшується (чутливість / потужність зменшується як бета …

13 statistical-significance  mathematical-statistics 

Якби мені було цікаво пристосовувати двосторонні взаємодії між лінійною пояснювальною змінною та іншою пояснювальною змінною яка має квадратичний зв'язок із залежною змінною , я повинен би включати як взаємодію з квадратичною складовою, так і взаємодію з лінійною компонент в моделі? Напр .: У свою чергу будуючи на моїй попередній темі: …

13 r  regression  model-selection 

Як я можу довести, що точкове добуток двох функцій ядра є функцією ядра?

13 machine-learning  kernel-trick 

Мені потрібно автоматизувати прогнозування часових рядів, і я не знаю заздалегідь особливості цих серій (сезонність, тенденція, шум тощо). Моя мета - не отримати найкращу можливу модель для кожної серії, а уникнути досить поганих моделей. Іншими словами, отримувати невеликі помилки кожен раз - не проблема, але отримувати великі помилки раз у …

13 time-series  forecasting  arima  ensemble  exponential-smoothing 

Зібравши цінні відгуки з попередніх питань та обговорень, я підійшов до наступного питання: Припустимо, що метою є виявити відмінності ефектів у двох групах, наприклад, чоловіки та жінки. Є два способи зробити це: запустити дві окремі регресії для двох груп та застосувати тест Уолда, щоб відхилити (або ні) нульову гіпотезу : …

13 statistical-significance  interaction  regression-coefficients 

Ми можемо записати теорему Байєса як p(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(\theta|x) = \frac{f(X|\theta)p(\theta)}{\int_{\theta} f(X|\theta)p(\theta)d\theta} де - задній, - умовний розподіл, а - попередній.p(θ|x)p(θ|x)p(\theta|x)f(X|θ)f(X|θ)f(X|\theta)p(θ)p(θ)p(\theta) або p(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(\theta|x) = \frac{L(\theta|x)p(\theta)}{\int_{\theta} L(\theta|x)p(\theta)d\theta} де - задній, - функція ймовірності, а - пріоритетна.p(θ|x)p(θ|x)p(\theta|x)L(θ|x)L(θ|x)L(\theta|x)p(θ)p(θ)p(\theta) Моє запитання Чому баєсівський аналіз робиться за допомогою функції ймовірності, а не умовного розподілу? Чи можете ви …

13 bayesian  likelihood 

Вибачте, якщо це нове питання; Я намагаюся вчити себе статистику вперше. Я думаю, що у мене є основна процедура, але я намагаюся виконати її з Р. Отже, я намагаюся оцінити значення коефіцієнтів регресії у множинній лінійній регресії форми y^=Xβ^y^=Xβ^ \hat y = X \hat \beta Я думаю, що t-статистика для …

13 r  statistical-significance  multiple-regression 

У мене є дані, які виглядають так: Я спробував застосувати нормальний розподіл (оцінка щільності ядра працює краще, але мені не потрібна така велика точність), і це працює досить добре. Діаграма щільності складає еліпс. Мені потрібно отримати цю функцію еліпса, щоб вирішити, чи лежить точка в межах еліпса чи ні. Як …

13 r  regression  pdf  bivariate 

Я натрапив на дуже хороший текст про Bayes / MCMC. ІТ передбачає, що стандартизація ваших незалежних змінних зробить алгоритм MCMC (Metropolis) більш ефективним, але також може зменшити (багато) колінеарність. Чи може це бути правдою? Це щось, що я повинен робити як стандарт . (Вибачте). Kruschke 2011, Doing Bayesian Analysis Data. …

13 bayesian  mcmc  multicollinearity  standardization 

Яка ваша інтуїція / інтерпретація розподілу власних значень кореляційної матриці? Я, як правило, чую, що зазвичай 3 найбільші власні значення є найважливішими, тоді як ті, близькі до нуля, - це шум. Крім того, я бачив декілька наукових робіт, які досліджують, як природні розподіли власних значень відрізняються від розрахованих за матрицями …

13 distributions  correlation 

Я розглядаю дві стратегії для "збільшення даних" для прогнозування часових рядів. По-перше, трішки тла. Провісник прогнозувати наступний крок часових рядів це функція , яка , як правило , залежить від двох речей, часових рядів минулих станів, а й минулих станів предіктора:PPP{Ai}{Ai}\lbrace A_i\rbrace P({Ai≤t−1},PSt−1)P({Ai≤t−1},PSt−1)P(\lbrace A_{i\leq t-1}\rbrace,P_{S_{t-1}}) Якщо ми хочемо налагодити / …

13 time-series  data-augmentation 

У книзі "Граничні теоретичні теорії ймовірностей" Валентина В. Петрова я побачив розмежування між визначеннями розподілу як "безперервний" та "абсолютно неперервний", який зазначено так: ( ∗ )(∗)(*) "... Розподіл випадкової величини як кажуть, є безперервним, якщо для будь-якого кінцевого чи підрахункового набору точок реальної прямої. Це сказано бути абсолютно безперервним, якщо …

13 probability  distributions  random-variable 

Коли люди говорять про нейронні мережі, що вони означають, коли говорять "розмір ядра"? Ядра - це функції подібності, але що це говорить про розмір ядра?

13 machine-learning  neural-networks 

Вже більше 2 років я працюю над різними часовими рядами. Я читав у багатьох статтях, що ACF використовується для визначення порядку терміну MA, а PACF для AR. Існує правило, що для MA, відставання, коли ACF раптово відключається, є порядком MA та аналогічно для PACF та AR. Ось одна зі статей, …

13 time-series  arima  autoregressive  moving-average 

Які послідовні проблеми з введенням найкраще підходять для кожної? Чи визначає розмірність входу, яка краще відповідає? Чи проблеми, які потребують "більшої пам'яті", краще підходять для RNN LSTM, тоді як проблеми з циклічними вхідними моделями (фондовий ринок, погода) легше вирішуються HMM? Здається, перекриття багато; Мені цікаво, які тонкі відмінності існують між …

13 time-series  neural-networks  hidden-markov-model  rnn