İstatistikler ve Büyük Veri

Genstat'ta bazı (çok) basit doğrusal regresyon gerçekleştirdim ve raporumdaki çıktının özlü ve anlamlı bir özetini eklemek istiyorum. Tam olarak ne veya ne kadar bilgi içermem gerektiğinden emin değilim. Genstat çıkışımın ana bitleri şöyle görünür: Summary of analysis Source d.f. s.s. m.s. v.r. F pr. Regression 1 8128935. 8128935. 814.41 <.001 …

11 regression  reporting 

İstatistiklerin geçmişi ve şimdiye kadar istatistiklerde ana atılım hakkında genel bilgi veren iyi çevrimiçi veya çevrimdışı kaynaklar nelerdir? Wikipedia'da İstatistik Tarihi sayfasını okudum .

11 references  history 

Burada, "kanıt ağırlığı" (WOE) yayınlanmış bilimsel ve politika belirleme literatüründe, çoğunlukla risk değerlendirmesi bağlamında görülen ve aşağıdakilerle tanımlanan yaygın bir terimdir: w ( e : h ) = günlükp ( e | h )p ( e | h¯¯¯)w(e:h)=log⁡p(e|h)p(e|h¯)w(e : h) = \log\frac{p(e|h)}{p(e|\overline{h})} burada kanıttır, hipotezdir.heeehhh Şimdi PMI ile ana farkın …

11 probability  bayesian  mutual-information 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Soruyu , Çapraz Doğrulanmış için konuyla ilgili olacak şekilde güncelleyin . 7 yıl önce kapalı . Bir faktör değişkeni sayısal bir dönüştürmek istiyorum ama as.numericbeklediğim bir etkisi yok. Aşağıda, orijinal değişkene dayalı olarak değişkenin …

11 r  data-transformation 

78 ve 35 örnek için ~ 250.000 değerde iki veri setim var. Örneklerden bazıları bir ailenin üyesidir ve bu verilerin bir etkisi olabilir. Çift korelasyonu hesapladım ve 0.7 ile 0.95 arasında değişiyor, ancak aileler arası korelasyon katsayılarında anlamlı bir fark olup olmadığını bilmek istiyorum. Bunu yapmanın en iyi yolu nedir? …

11 correlation  cross-correlation  intraclass-correlation 

Güvenilir Aralık hakkındaki wikipedia makalesinde şöyle diyor: Tek bir parametre ve tek bir yeterli istatistikte özetlenebilecek veriler söz konusu olduğunda, bilinmeyen parametre bir konum parametresi ise (yani ileri olasılık fonksiyonunun forma sahip olması durumunda) güvenilir aralığın ve güven aralığının çakışacağı gösterilebilir Pr (x | μ) = f (x - μ)), …

11 confidence-interval  credible-interval 

Bana öyle geliyor ki, doğru istatistiksel araçları seçmek için öncelikle veri setimin ayrık mı yoksa sürekli mi olduğunu tanımlamalıyım. Verilerin R ile ayrık veya sürekli olup olmadığını nasıl test edebileceğimi öğretebilir misiniz?

11 r  continuous-data  discrete-data 

Cook mesafesinin formülünün ne olduğunu bilen var mı? Orijinal Cook'un mesafe formülü öğrenci kalıntılarını kullanır, ancak R neden std kullanıyor? Cook'un bir GLM için mesafe grafiğini hesaplarken Pearson kalıntıları. Öğrenci kalıntılarının GLM'ler için tanımlanmadığını biliyorum, ancak Cook'un mesafesini hesaplamak için formül nasıl görünüyor? Aşağıdaki örneği varsayalım: numberofdrugs <- rcauchy(84, 10) …

11 r  regression  generalized-linear-model  residuals  cooks-distance 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Soruyu , Çapraz Doğrulanmış için konuyla ilgili olacak şekilde güncelleyin . 6 yıl önce kapalı . Bir veri çerçevesinde, sütunun dizin adıyla almak istiyorum. Örneğin: x <- data.frame(foo=c('a','b','c'),bar=c(4,5,6),quux=c(4,5,6)) "Bar" için sütun dizini bilmek istiyorum. …

11 r 

İçinde belirsizliklerin biriktiği bir dizi sistemim var. Bunlar her zaman tamamen katkı maddesi değildir - bazen öyledir, bazen değildir. Hayran grafiklerini, güven aralıklı çubuk grafiklerini ve tekil öğeleri iletmek için kutu grafiklerini kullanmada biraz başarılı oldum. Ancak, belirsizliklerin nasıl biriktiğini ve birleştirildiğini nasıl gösterirken, belirsizliklerin etrafında durduğu veri noktalarını da …

11 data-visualization  confidence-interval  uncertainty 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Soruyu , Çapraz Doğrulanmış için konuyla ilgili olacak şekilde güncelleyin . 7 yıl önce kapalı . Bir excel elektronik tabloda veri sütunları bir dizi normalleştirmek çalışıyorum. Ben bir sütundaki en yüksek değeri = 1 …

11 excel 

ARIMA modellerini orijinal zaman serisine yerleştirdim ve en iyi model ARIMA (1,1,0). Şimdi diziyi bu modelden simüle etmek istiyorum. Basit AR (1) modelini yazdım, ancak ARI (1,1,0) modelindeki farkı nasıl ayarlayacağımı anlayamadım. AR (1) serisi için aşağıdaki R kodu: phi= -0.7048 z=rep(0,100) e=rnorm(n=100,0,0.345) cons=2.1 z[1]=4.1 for (i in 2:100) z[i]=cons+phi*z[i-1]+e[i] …

11 r  time-series  arima 

İzin Vermek: Rasgele değişken A'nın standart sapması = σ 1 = 5A=σ1=5A=σ1=5A =\sigma_{1}=5 Rastgele değişken B'nin standart sapması = σ 2 = 4B=σ2=4B=σ2=4B=\sigma_{2}=4 O zaman A + B'nin varyansı: Var(w1A+w2B)=w21σ21+w22σ22+2w1w2p1,2σ1σ2Var(w1A+w2B)=w12σ12+w22σ22+2w1w2p1,2σ1σ2Var(w_{1}A+w_{2}B)= w_{1}^{2}\sigma_{1}^{2}+w_{2}^{2}\sigma_{2}^{2} +2w_{1}w_{2}p_{1,2}\sigma_{1}\sigma_{2} Nerede: iki rasgele değişken arasındaki korelasyondur.p1,2p1,2p_{1,2} , rastgele değişken A ağırlığıdırw1w1w_{1} rastgele değişken B ağırlığıdırw2w2w_{2} w1+w2=1w1+w2=1w_{1}+w_{2}=1 Aşağıdaki şekil …

11 random-variable 

Feragatname: Bu soruyu Stackoverflow'a gönderdim, ancak belki de bu platform için daha uygun olduğunu düşündüm. Çok boyutlu veri kümeleri için kendi k-araç uygulamanızı nasıl test edersiniz? Veriler üzerinde zaten var olan bir uygulamayı (yani Matlab) çalıştırmayı ve sonuçları algoritmamla karşılaştırmayı düşünüyordum. Ancak bu, her iki algoritmanın da kabaca aynı olandan …

11 clustering  algorithms 

Biri N = 38,704 (gözlem sayısı) ve diğeri N = 1,313,662 olan iki popülasyonum var. Bu veri kümelerinin tümü ~ 25 değişkendir. Her veri kümesindeki her birinin ortalamasını aldım ve formülünü kullanarak test istatistiklerini hesapladım t = ortalama fark / std hatası Sorun özgürlük derecesidir. Df = N1 + N2-2 …

11 t-test