Statistiken und Big Data

Dies ist ein Nebeneffekt dieser Frage: Wie kann man zwei Gruppen mit mehreren Messungen für jedes Individuum mit R vergleichen? In den Antworten dort (wenn ich richtig verstanden habe) habe ich gelernt, dass die Varianz innerhalb des Subjekts keine Rückschlüsse auf Gruppenmittelwerte hat, und es...

Ich versuche, eine Antwortvariable in der linearen Regression vorherzusagen, die immer positiv sein sollte (Kosten pro Klick). Es ist ein Geldbetrag. Bei AdWords zahlen Sie Google für Klicks auf Ihre Anzeigen. Eine negative Zahl bedeutet, dass Google Sie bezahlt, wenn Nutzer auf Folgendes klicken:...

Wäre es möglich, die relativen Mengen an im Umlauf befindlichen Loonies , Twoonies , Vierteln, Groschen, Nickeln (und möglicherweise dem abgekündigten Penny) genau zu approximieren , wenn man im täglichen Gebrauch einfach eine ausreichend große Münzprobe erhält? Im täglichen Gebrauch beziehe ich...

Die diskrete Natur des DP macht es für allgemeine Anwendungen in der Bayes'schen Nichtparametrik ungeeignet, aber es ist gut geeignet für das Problem, bei der Gemischmodellierung Prioritäten auf Gemischkomponenten zu setzen. Dieses Zitat stammt aus Hierarchical Dirichlet Processes (Teh et al.,...

Ich habe einen kleinen, unausgeglichenen Datensatz (70 positiv, 30 negativ) und habe mit der Modellauswahl für SVM-Parameter unter Verwendung von BAC (ausgeglichene Genauigkeit) und AUC (Bereich unter der Kurve) herumgespielt. Ich habe verschiedene Klassengewichte für den C-Parameter in libSVM...

Meine allgemeine Frage lautet: Warum bayesglmanstelle anderer Klassifizierungsmethoden verwenden? Hinweis: Ich interessiere mich nur für Vorhersage. Ich habe eine anständige Datenmenge (~ 100.000 obs). Ich bin der Meinung, dass die Stichprobengröße groß genug ist, um die Parameter einer regulären...

In einer kürzlich gehaltenen Vorlesung wurde mir gesagt, dass die Log-Wahrscheinlichkeit auf minus unendlich gehen muss, damit die maximale Wahrscheinlichkeitsschätzung gültig ist, wenn der Parameter an die Grenze des Parameterraums geht. Aber ich verstehe nicht, warum das wichtig ist. Angenommen,...

Die Subitisierung ist die schnelle und genaue Aufzählung von Anzeigen mit geringer Anzahl, die sich von der Zählung durch eine scharfe Nichtlinearität in der Darstellung der Antwortzeiten unterscheidet. Unten ist eine repräsentative Darstellung von Watson, DG, Maylor, EA und Bruce, LAM (2007)....

Für eine Anwendung möchte ich Daten (möglicherweise hochdimensional) gruppieren und die Wahrscheinlichkeit der Zugehörigkeit zu einem Cluster extrahieren. Ich denke im Moment über selbstorganisierende Karten oder Kernel-K-Mittel nach, um die Arbeit zu erledigen. Was sind die Vor- und Nachteile...

Vor einiger Zeit stellte ich eine Frage zu Korrelationszeiten zwischen Zeitstempeln und erhielt eine Antwort von Peter Ellis, dass ich mittlere Entfernungen zwischen Codes berechnen könnte ... Dies gibt Ihnen bereits einen Eindruck davon, welche Verhaltensweisen zusammengefasst sind, aber Sie...

Ich habe die folgenden Daten (in R codiert): v.a = c('cat', 'dog', 'dog', 'goat', 'cat', 'goat', 'dog', 'dog') v.b = c(1, 2, 1, 2, 1, 2, 1, 2) v.c = c('blue', 'red', 'blue', 'red', 'red', 'blue', 'yellow', 'yellow') set.seed(12) v.d = rnorm(8) aov(v.a ~ v.b + v.c + v.d) # Error Ich würde gerne...

Während einiger Simulationen wurde mir klar, dass das Probenquantil ein voreingenommener Schätzer des wahren Quantils ist. Und nach meinen Simulationen eine möglicherweise sehr voreingenommene. Ich war von diesem Ergebnis überrascht, da die empirische CDF nicht voreingenommen ist, aber nach...

Ich versuche, SVM in einer Klasse in R auszuführen. Ich habe versucht, das Kernlab-Paket e1071 / ksvm zu verwenden. Aber ich bin mir nicht sicher, ob ich es richtig mache. Gibt es ein funktionierendes Beispiel für SVM einer Klasse in R? Ebenfalls, Ich gebe eine große Matrix von Prädiktoren als X....

Für Längsschnittdaten mit einem numerischen Ergebnis kann ich Spaghetti-Diagramme verwenden, um die Daten zu visualisieren. Zum Beispiel so etwas (entnommen aus der UCLA Stats-Site): tolerance<-read.table("http://www.ats.ucla.edu/stat/r/faq/tolpp.csv",sep=",", header=T) head(tolerance, n=10)...

Ich habe ein logistisches Regressionsmodell in R erstellt, und obwohl das Ergebnis bis zu einem gewissen Grad zufriedenstellend zu sein scheint, gibt es eine Frage, die ich nicht beantworten kann. Ich bin mir nicht sicher, ob mein Ansatz überhaupt richtig ist. Ich weiß, dass der allgemeine Zweck...

Ich verstehe, wie die beste Aufteilung für zufällige Gesamtstrukturen für numerische Prädiktoren (Merkmale) gewählt wird. Numerische Prädiktoren werden dann sortiert, dann wird für jeden Wert eine Gini-Verunreinigung oder Entropie berechnet und ein Schwellenwert ausgewählt, der die beste...

Obwohl der Titel der Frage trivial erscheint, möchte ich erklären, dass er nicht so trivial ist, dass er sich von der Frage unterscheidet, denselben statistischen Test in ähnlichen Datensätzen anzuwenden, um ihn gegen eine Nullhypothese zu testen (Metaanalyse, zB unter Verwendung der Fisher-Methode...

Die Formel für in einem Hypothesentest lautet: t = ˉ X - μtttt = X.¯- μσ^/ n- -- -√.t=X¯−μσ^/n. t=\frac{\bar{X}-\mu}{\hat \sigma/\sqrt{n}}. Wenn zunimmt, steigt der Wert gemäß der obigen Formel an. Aber warum nimmt der kritische Wert in der Tabelle ab, wenn (was eine Funktion von ) zunimmt?t t t...

Ich versuche, eine Matrixfaktorisierungstechnik für ein einfaches Bewertungsempfehlungssystem für Benutzerelemente zu entwerfen. Ich habe 2 Fragen dazu. Zuerst in einer einfachen Implementierung, die ich von der Matrixfaktorisierungstechnik für die Filmempfehlung gesehen habe, hat der Autor gerade...

Ich möchte die Min / Max-Grenzen eines Schiebefensters mit minimaler Größe finden, das einen bestimmten Bruchteil der Gesamtzahl der Elemente in einem Array oder einer Sammlung von Zahlen enthält. Beispiel: Nehmen Sie Ganzzahlen, um die Erklärung zu vereinfachen. Angenommen, der Anteil der...