İstatistikler ve Büyük Veri

lmer()Modelimin çıktısını anlamada sorun yaşıyorum . Değişen Devlet kesişimleri / Durum rastgele etkileri olan bir sonuç değişkeninin (Destek) basit bir modelidir: mlm1 <- lmer(Support ~ (1 | State)) Sonuçları summary(mlm1): Linear mixed model fit by REML Formula: Support ~ (1 | State) AIC BIC logLik deviance REMLdev 12088 12107 -6041 …

16 r  mixed-model  random-effects-model  lme4-nlme 

Friedman'ın gradyan güçlendirme makinesi Breiman'ın Rastgele Ormanından daha iyi performans elde edebilir mi? Öyleyse, hangi koşullarda veya ne tür veri seti gbm'yi daha iyi hale getirebilir?

16 machine-learning  data-mining  random-forest  boosting 

Bir sınıf SVM'lerin (OSVM'ler), akılda olumsuz veriler olmadan önerildiğini ve menşei, olumlu bir seti ve bir miktar negatif bağlantı noktasını ayıran karar sınırları bulmaya çalıştıklarını anlıyorum. 2011'deki bir çalışma, OSVM'lerden farklı olduğunu iddia eden "kategori başına tek bir sınıflandırıcıyı" eğiten Örnek SVM'ler (ESVM'ler) önermektedir ; hesaplanmış". Bunun ne anlama geldiğini …

16 machine-learning  svm 

Yüklü zarlar hakkında bir video yapmaya çalışıyorum ve videoda bir noktada yaklaşık 200 zar atıyoruz, altıları da alıyoruz, tekrar yuvarlıyoruz ve altıları alıp üçüncü kez yuvarlıyoruz. Biz bir satır 6 6 kez üst üste geldi, hangi olağandışı değil çünkü bu 1/216 şansı olmalı ve biz yaklaşık 200 zar vardı. Peki …

16 probability  dice  law-of-large-numbers 

Bir örnek çizmek istiyorum . Wikipedia bir Cholesky veya Eigendecomposition kullanmanızı önerir , yani veya x∼N(0,Σ)x∼N(0,Σ)\mathbf{x} \sim N\left(\mathbf{0}, \mathbf{\Sigma} \right)Σ=D1DT1Σ=D1D1T \mathbf{\Sigma} = \mathbf{D}_1\mathbf{D}_1^T Σ=QΛQTΣ=QΛQT \mathbf{\Sigma} = \mathbf{Q}\mathbf{\Lambda}\mathbf{Q}^T Ve böylece örnek şu şekilde çizilebilir: veya burada x = D1vx=D1v \mathbf{x} = \mathbf{D}_1 \mathbf{v} v∼N(0,I)x = Q Λ--√vx=SΛv \mathbf{x} = \mathbf{Q}\sqrt{\mathbf{\Lambda}} \mathbf{v} …

16 normal-distribution  random-generation  svd  cholesky 

Yazarların iki öngörücü ile çoklu regresyon yaptıkları bir makaleyi okudum. Toplam r kare değeri 0.65 idi. R-karesini iki yordayıcı arasında bölen bir tablo sağladılar. Tablo şöyle görünüyordu: rsquared beta df pvalue whole model 0.65 NA 2, 9 0.008 predictor 1 0.38 1.01 1, 10 0.002 predictor 2 0.27 0.65 1, …

16 r  multiple-regression  r-squared  importance  variance-decomposition 

Ben FDR kontrol Wikipedia gibi FWER kontrol daha az sıkı okudum : FDR kontrol prosedürleri, ailevi hata oranı (FWER) prosedürlerine (Bonferroni düzeltmesi gibi) kıyasla yanlış keşif üzerinde daha az sıkı bir kontrol uygular. Bu, tip I hata oranını artırma pahasına gücü arttırır, yani kabul edilmesi gerektiğinde etkisiz sıfır hipotezini reddeder. …

16 hypothesis-testing  multiple-comparisons  false-discovery-rate 

electricityR paketinde bulunan veri kümesi üzerinde çalışıyorum TSA. Amacım, bir arimamodelin bu veriler için uygun olup olmayacağını bulmak ve nihayetinde buna uymaktır. Bu yüzden şu şekilde ilerledim: 1.: Aşağıdaki grafikle sonuçlanan zaman serisini çizin: 2.: electricityVaryansı stabilize etmek için log almak istedim ve daha sonra seriyi uygun şekilde farklılaştırdım, ancak …

16 r  time-series  stationarity 

İki değişkenin aynı dağılımı takip edip etmediğini test etmek istiyorsanız, her iki değişkeni sıralamak ve sonra korelasyonlarını kontrol etmek iyi bir test olur mu? Yüksekse (en az 0.9?), Büyük olasılıkla değişkenler aynı dağılımdan gelir. Burada dağıtım ile "normal", "ki-kare", "gama" vb.

16 hypothesis-testing  distributions 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Sorunuzu güncelleyin o yüzden -konu üzerinde Çapraz doğrulanmış için. 6 yıl önce kapalı . Fonksiyonlar rnormve runifR arasındaki fark nedir ?

16 r 

Yeni başlayanların, uyum iyiliği için ki-kare testi bağlamında Pearson kalıntısı hakkında sorusu: Test istatistiğinin yanı sıra, R'nin chisq.testişlevi Pearson'un kalıntılarını bildirir: (obs - exp) / sqrt(exp) Gözlenen ve beklenen değerler arasındaki ham farka bakmanın neden bu kadar bilgilendirici olmadığını anlıyorum, çünkü daha küçük bir örnek daha küçük bir fark yaratacaktır. …

16 chi-squared  goodness-of-fit  residuals 

Normalleştirmenin burada kullanılacak doğru kelime olup olmadığından emin değilim, ancak sormaya çalıştığım şeyi göstermek için elimden geleni yapacağım. Burada kullanılan tahminci en küçük karelerdir. Diyelim ki y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , ortalamanın etrafında y=β′0+β1x′1y=β0′+β1x1′y=\beta_0'+\beta_1x_1' ; burada β′0=β0+β1x¯1β0′=β0+β1x¯1\beta_0'=\beta_0+\beta_1\bar x_1 ve x′1=x−x¯x1′=x−x¯x_1'=x-\bar x , böylece β′0β0′\beta_0' artık tahmini üzerinde herhangi bir etkiye sahip değildir β1β1\beta_1. …

16 regression  self-study  least-squares  regression-coefficients 

Frechet-Hoeffding üst sınırı bağ dağılım fonksiyonu için geçerlidir ve bu verilir C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. CDF yerine yoğunluğu için benzer bir (marjinal yoğunluklara bağlı olarak) üst sınır var mı?c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) Herhangi bir referans büyük mutluluk duyacağız.

16 references  joint-distribution  bounds  copula 

Dağılımı hakkında orada herhangi bir bilgi var mı inci cumulant verilir ? Kümülatif üretme fonksiyonu Bazı rasgele değişkenlerin sınırlayıcı dağılımı olarak karşımıza çıktım ama bu konuda herhangi bir bilgi bulamadım.nnn1n1n\frac 1 nκ(t)=∫10etx−1x dx.κ(t)=∫01etx−1x dx. \kappa(t) = \int_0 ^ 1 \frac{e^{tx} - 1}{x} \ dx.

16 distributions  mgf  cumulants 

RSTL ayrışması yapmak için kullanarak s.window, mevsimsel bileşenin ne kadar hızlı değişebileceğini kontrol eder. Küçük değerler daha hızlı değişime izin verir. Mevsimsel pencerenin sonsuz olarak ayarlanması, mevsimsel bileşeni periyodik olmaya zorlamakla eşdeğerdir (yani, yıllar boyunca aynıdır). Sorularım: Aylık zaman serim varsa (bu frekans eşittir ), ayarlamak için hangi kriterler kullanılmalıdır …

16 r  time-series  trend  seasonality