Als «change-point» getaggte Fragen

46

Interpretation des log transformierten Prädiktors und / oder der Antwort

Ich frage mich, ob es einen Unterschied in der Interpretation macht, ob nur die abhängigen, sowohl die abhängigen als auch die unabhängigen Variablen oder nur die unabhängigen Variablen log-transformiert werden. Betrachten Sie den Fall von log(DV) = Intercept + B1*IV + Error Ich kann die IV als...

regression data-transformation interpretation regression-coefficients logarithm r dataset stata hypothesis-testing contingency-tables hypothesis-testing statistical-significance standard-deviation unbiased-estimator t-distribution r functional-data-analysis maximum-likelihood bootstrap regression change-point regression sas hypothesis-testing bayesian randomness predictive-models nonparametric terminology parametric correlation effect-size loess mean pdf quantile-function bioinformatics regression terminology r-squared pdf maximum multivariate-analysis references data-visualization r pca r mixed-model lme4-nlme distributions probability bayesian prior anova chi-squared binomial generalized-linear-model anova repeated-measures t-test post-hoc clustering variance probability hypothesis-testing references binomial profile-likelihood self-study excel data-transformation skewness distributions statistical-significance econometrics spatial r regression anova spss linear-model

32

Link Anomaly Detection im zeitlichen Netzwerk

Ich bin auf dieses Dokument gestoßen, das die Erkennung von Link-Anomalien zur Vorhersage von Trendthemen verwendet, und fand es unglaublich interessant: Das Dokument befasst sich mit dem Thema "Aufstrebende Themen in sozialen Netzwerken mithilfe der Erkennung von Link-Anomalien" . Ich würde es...

time-series machine-learning outliers python change-point

24

Python-Modul zur Analyse von Änderungspunkten

Ich suche ein Python-Modul, das eine Änderungspunktanalyse für eine Zeitreihe durchführt. Es gibt eine Reihe verschiedener Algorithmen, und ich möchte die Wirksamkeit einiger von ihnen untersuchen, ohne jeden der Algorithmen von Hand rollen zu müssen. Im Idealfall hätte ich gerne Module wie den...

time-series python change-point

21

Wie projiziert man einen neuen Vektor auf den PCA-Raum?

Nach der Durchführung der Hauptkomponentenanalyse (PCA) möchte ich einen neuen Vektor auf den PCA-Raum projizieren (dh seine Koordinaten im PCA-Koordinatensystem finden). Ich habe PCA in R-Sprache mit berechnet prcomp. Jetzt sollte ich meinen Vektor mit der PCA-Rotationsmatrix multiplizieren...

r pca r variance heteroscedasticity misspecification distributions time-series data-visualization modeling histogram kolmogorov-smirnov negative-binomial likelihood-ratio econometrics panel-data categorical-data scales survey distributions pdf histogram correlation algorithms r gpu parallel-computing approximation mean median references sample-size normality-assumption central-limit-theorem rule-of-thumb confidence-interval estimation mixed-model psychometrics random-effects-model hypothesis-testing sample-size dataset large-data regression standard-deviation variance approximation hypothesis-testing variance central-limit-theorem kernel-trick kernel-smoothing error sampling hypothesis-testing normality-assumption philosophical confidence-interval modeling model-selection experiment-design hypothesis-testing statistical-significance power asymptotics information-retrieval anova multiple-comparisons ancova classification clustering factor-analysis psychometrics r sampling expectation-maximization markov-process r data-visualization correlation regression statistical-significance degrees-of-freedom experiment-design r regression curve-fitting change-point loess machine-learning classification self-study monte-carlo markov-process references mathematical-statistics data-visualization python cart boosting regression classification robust cart survey binomial psychometrics likert psychology asymptotics multinomial

18

Erkennen von Änderungen in Zeitreihen (R-Beispiel)

Ich möchte Änderungen in Zeitreihendaten erkennen, die normalerweise die gleiche Form haben. Bisher habe ich mit dem changepointPaket für R und den Funktionen cpt.mean(), cpt.var()und gearbeitet cpt.meanvar(). cpt.mean()mit der PELT-Methode funktioniert gut, wenn die Daten normalerweise auf einer...

r time-series change-point structural-change

15

Änderungspunktanalyse mit Rs nls ()

Ich versuche, eine "Änderungspunkt" -Analyse oder eine mehrphasige Regression mit nls()in R zu implementieren . Hier sind einige gefälschte Daten, die ich gemacht habe . Die Formel, die ich verwenden möchte, um die Daten anzupassen, lautet: y= β0+ β1x + β2max ( 0 , x - δ)y=β0+β1x+β2max(0,x-δ)y =...

r regression change-point nls

15

Wie kann eine signifikante Änderung der Zeitreihendaten aufgrund einer Richtlinienänderung festgestellt werden?

Ich hoffe, dies ist der richtige Ort, um dies zu veröffentlichen. Ich habe darüber nachgedacht, es bei Skeptikern zu veröffentlichen, aber ich denke, sie würden nur sagen, dass die Studie statistisch falsch war. Ich bin gespannt auf die Kehrseite der Frage, wie man es richtig macht. Auf der Website...

time-series change-point

14

LÖSS das erlaubt Diskontinuitäten

Gibt es eine Modellierungstechnik wie LOESS , die keine, eine oder mehrere Unstetigkeiten zulässt, bei denen der Zeitpunkt der Unstetigkeiten im Voraus nicht bekannt ist? Wenn eine Technik vorhanden ist, gibt es eine vorhandene Implementierung in R?

r regression curve-fitting change-point loess

14

Wie kann man eine stückweise lineare Regression mit mehreren unbekannten Knoten durchführen?

Gibt es Pakete für die stückweise lineare Regression, die die Mehrfachknoten automatisch erkennen kann? Vielen Dank. Wenn ich das strucchange-Paket benutze. Ich konnte die Wechselpunkte nicht erkennen. Ich habe keine Ahnung, wie es die Änderungspunkte erkennt. In den Handlungen konnte ich sehen,...

regression change-point

14

Schätzung des Bruchpunktes in einem gebrochenen Stab / stückweise linearen Modell mit zufälligen Effekten in R [Code und Ausgabe enthalten]

Kann mir bitte jemand sagen, wie R den Bruchpunkt in einem stückweisen linearen Modell (als fester oder zufälliger Parameter) abschätzen soll, wenn ich auch andere zufällige Effekte abschätzen muss? Im Folgenden ist ein Spielzeugbeispiel aufgeführt, das eine Hockeyschläger- /...

r mixed-model lme4-nlme change-point piecewise-linear

13

Wie kann man abrupte Veränderungen charakterisieren?

Diese Frage ist möglicherweise zu grundlegend. Für einen zeitlichen Trend von Daten möchte ich den Punkt herausfinden, an dem "abrupte" Änderungen auftreten. In der ersten Abbildung unten möchte ich beispielsweise den Änderungspunkt mithilfe einer statistischen Methode ermitteln. Und ich möchte...

time-series trend change-point

11

Feststellen, ob die Änderung in einer Zeitreihe statistisch signifikant ist

Ich habe die Gesamtzahl der wöchentlich eingegangenen Anrufe und habe sie in einem Diagramm aufgezeichnet, das fast drei Jahre zurückliegt. Auf den ersten Blick scheint es über Weihnachten einen massiven Rückgang gegeben zu haben, der sich nicht erholt zu haben scheint. Es scheint, dass sich die...

time-series statistical-significance change-point

11

Erkennen Sie Änderungen in Zeitreihen

Ich bin auf ein Bild eines Anwendungsprototyps gestoßen, der signifikante Änderungen ("Trends" - keine Spitzen / Ausreißer) in den Verkehrsdaten findet: Ich möchte ein Programm (Java, optional R) schreiben, das dasselbe kann - aber da meine statistischen Fähigkeiten etwas verrostet sind, muss ich...

time-series change-point

11

R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?

Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich...

r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

10

Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?

Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese...

r anova glmm r mixed-model bootstrap sample-size cross-validation roc auc sampling stratification random-allocation logistic stata interpretation proportion r regression multiple-regression linear-model lm r cross-validation cart rpart logistic generalized-linear-model econometrics experiment-design causality instrumental-variables random-allocation predictive-models data-mining estimation contingency-tables epidemiology standard-deviation mean ancova psychology statistical-significance cross-validation synthetic-data poisson-distribution negative-binomial bioinformatics sequence-analysis distributions binomial classification k-means distance unsupervised-learning euclidean correlation chi-squared spearman-rho forecasting excel exponential-smoothing binomial sample-size r change-point wilcoxon-signed-rank ranks clustering matlab covariance covariance-matrix normal-distribution simulation random-generation bivariate standardization confounding z-statistic forecasting arima minitab poisson-distribution negative-binomial poisson-regression overdispersion probability self-study markov-process estimation maximum-likelihood classification pca group-differences chi-squared survival missing-data contingency-tables anova proportion

10

Ermitteln des Änderungspunkts in Daten aus einer stückweise linearen Funktion

Schöne Grüße, Ich forsche, um die Größe des beobachteten Raums und die seit dem Urknall verstrichene Zeit zu bestimmen. Hoffentlich kannst du helfen! Ich habe Daten, die einer stückweise linearen Funktion entsprechen, für die ich zwei lineare Regressionen ausführen möchte. Es gibt einen Punkt, an...

regression change-point

9

Bayesianische Online-Änderungspunkterkennung (marginale prädiktive Verteilung)

Ich lese das Bayesian Online Changepoint Detection Paper von Adams und MacKay ( Link ). Die Autoren schreiben zunächst die marginale Vorhersageverteilung: wobeiP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t}...

time-series bayesian inference change-point

9

Schaltpunkterkennung mit probabilistischer Programmierung (pymc)

Ich lese gerade das "Buch" Probabilistic Programming and Bayesian Methods for Hackers . Ich habe ein paar Kapitel gelesen und über das erste Kapitel nachgedacht, in dem das erste Beispiel mit pymc darin besteht, einen Hexenpunkt in Textnachrichten zu erkennen. In diesem Beispiel wird die...

probability mcmc pymc change-point

9

Wie kann ich verrauschte Patches in einer Zeitreihe hervorheben?

Ich habe viele Zeitreihendaten - Wasserstände und Geschwindigkeiten gegen die Zeit. Es ist die Ausgabe einer hydraulischen Modellsimulation. Als Teil des Überprüfungsprozesses, um zu bestätigen, dass das Modell die erwartete Leistung erbringt, muss ich jede Zeitreihe zeichnen, um sicherzustellen,...

time-series data-visualization change-point

9

Verfahren nach dem Stand der Technik, um mittlere Mittelabschnitte einer Zeitreihe von Null zu finden

Ich habe verrauschte Zeitreihen, die ich in Abschnitte mit einem Mittelwert von Null und Teile ohne Mittelwert von Null unterteilen muss. Es ist wichtig, die Grenzen so genau wie möglich zu finden (klar, wo genau die Grenze liegt, ist etwas subjektiv). Ich denke, eine Cusum-Variante könnte dafür...

time-series classification mean change-point