İstatistikler ve Büyük Veri

Elo derecelendirme sistemi, eşleştirilmiş karşılaştırmalarda beklenen ve gözlenen bir olasılık olasılığı arasında çapraz entropi kaybı fonksiyonunun gradyan iniş minimizasyon algoritmasını kullanır. Genel kayıp fonksiyonlarını şöyle yazabiliriz: E= - ∑n , benpbenL o g( qben)E=−∑n,ipiLog(qi) E=-\sum_{n,i} p_i Log (q_i) toplamı tüm sonuçları üzerinde gerçekleştirilir nerede ve tüm rakipler . ve olayın …

10 regression  optimization  rating 

Bazı tek değişkenli rastgele değişken X ve tüm fonksiyon f ( ⋅ ) için formundan bir beklenti alın (yani, yakınsama aralığı tüm gerçek çizgi)E(f(X))E(f(X))E(f(X))XXXf(⋅)f(⋅)f(\cdot) XXXμ≡E(x)μ≡E(x)\mu \equiv E(x)E(f(x))=E(f(μ)+f′(μ)(x−μ)+f′′(μ)(x−μ)22!+…)E(f(x))=E(f(μ)+f′(μ)(x−μ)+f″(μ)(x−μ)22!+…) E(f(x)) = E\left(f(\mu) + f'(\mu)(x - \mu) + f''(\mu)\frac{(x - \mu)^2}{2!} +\ldots\right) =f(μ)+∑n=2∞f(n)(μ)n!E[(x−μ)n]=f(μ)+∑n=2∞f(n)(μ)n!E[(x−μ)n] =f(\mu) + \sum_{n=2}^{\infty} \frac{f^{(n)}(\mu)}{n!}E\left[(x - \mu)^n\right] EN(f(x))=f(μ)+∑n=2Nf(n)(μ)n!E[(x−μ)n]EN(f(x))=f(μ)+∑n=2Nf(n)(μ)n!E[(x−μ)n] E_N(f(x)) = f(\mu) …

10 expected-value  approximation 

1 dakikalık hisse senedi iadeleri için 2 örnek aracı karşılaştırmak istiyorum. Ben Laplace dağıtılmış (zaten kontrol edilmiş) ve iadeleri 2 gruba ayrılır varsayalım. Önemli ölçüde farklı olup olmadıklarını nasıl kontrol edebilirim? Sanırım onları Normal dağılım gibi ele alamıyorum, çünkü 300'den fazla değer olmasına rağmen, QQ grafiği Normal dağılımda büyük bir …

10 r  confidence-interval  laplace-distribution 

Bir binom ayarında, başarıların sayısını veren rastgele değişken X, binom olarak dağıtılır. Örnek oranı daha sonra X olarak hesaplanabilir buradaörnek numaranızn'dir. Ders kitabım şöyle diyorXnXn\frac{X}{n}nnn Bu oran yok değil bir binom dağılıma sahip ancak X'ten beri sadece binom olarak dağıtılmış rastgele değişkenX'inölçekli bir versiyonudur, binom dağılımıda olmamalı mı?XnXn\frac{X}{n}XXX

10 distributions  binomial  proportion  sample 

10 değişkenli bir veri setim var. Bu 10 değişkenle tek bir yanıt değişkenini tahmin etmek için kısmi en küçük kareler (PLS) çalıştırdım, 10 PLS bileşenini çıkardım ve daha sonra her bileşenin varyansını hesapladım. Orijinal verilerde, tüm değişkenlerin 702 olan varyanslarının toplamını aldım. Sonra PLS tarafından açıklanan varyansın yüzdesini elde etmek …

10 regression  pca  covariance-matrix  partial-least-squares 

Hassasiyet temelli ağırlıklandırma meta analizin merkezinde midir? Borenstein ve diğ. (2009) meta-analizin mümkün olması için gerekli olan tek şey olduğunu yazınız: Çalışmalar, tek bir sayı olarak ifade edilebilecek bir nokta tahmini bildirmektedir. Bu nokta tahmini için varyans hesaplanabilir. (2) 'nin neden kesinlikle gerekli olduğu hemen belli değil. Ancak, aslında, geniş …

10 variance  sample-size  missing-data  meta-analysis 

FXFX\mathcal{F}_X ve iki sürekli dağılım göz önüne alındığında FYFY\mathcal{F}_Y, aralarındaki dışbükey baskınlık ilişkisinin olup olmadığı açık değildir: (0)FX&lt;cFY(0)FX&lt;cFY(0)\quad \mathcal{F}_X <_c \mathcal{F}_Y ima ediyor ki (1)F−1Y(q)≤F−1X(q),∀q∈[0.5,1](1)FY-1(q)≤FX-1(q),∀q∈[0.5,1](1)\quad F_Y^{-1}(q) \leq F_X^{-1}(q),\quad \forall q\in[0.5,1] tutarı varsa, başka bir hipotez gerekiyorsa (1)(1)(1)? Konveks baskınlığın tanımı. İki sürekli dağıtım FXFX\mathcal{F}_X ve FYFY\mathcal{F}_Y uygunsa: (2)F−1YFX(x) is convex …

10 probability  probability-inequalities  distributions 

In lmeriçindeki işlevi lme4de Rrastgele etkileri modeli matris oluşturmak için bir çağrı var olarak açıklanabilir, burada , sayfalar 7-9.ZZZ hesaplanması ve üzere iki matrisin KhatriRao ve / veya Kronecker ürünlerini gerektirir . J i X iZZZJbenJbenJ_iXbenXbenX_i matrisi bir ağız : "Gruplama faktörü indekslerinin gösterge matrisi", ancak daha yüksek hiyerarşik seviyelere …

10 r  mixed-model  lme4-nlme  matrix 

Bazı değişkenlerin bazı çevreleyen değişkenlere dayalı değerini tahmin etmek için Kriging kullanmanız gereken bir sorun üzerinde çalışıyorum. Kodunu kendim uygulamak istiyorum. Bu yüzden, nasıl çalıştığını anlamak için çok fazla belgeden geçtim, ama çok kafam karıştı. Genel olarak, bunun ağırlıklı bir ortalama olduğunu anlıyorum, ancak ağırlığı hesaplama işlemini tamamen anlayamadım, sonra …

10 spatial  interpolation  kriging 

Durbin-Watson testi gecikme 1'de artıkların otokorelasyonunu test eder. Ancak aynı zamanda gecikme 1'deki otokorelasyonu doğrudan test eder. Ayrıca, otokorelasyonu 2,3,4 gecikmede test edebilirsiniz ve çoklu gecikmelerde otokorelasyon için iyi portmanteau testleri yapabilir ve güzel, kolayca yorumlanabilir grafikler elde edebilirsiniz [örneğin, R'deki acf () işlevi). Durbin-Watson anlamak için sezgisel değildir ve …

10 time-series  autocorrelation 

Eğer , yani X∈ Rn, X ∼ N( 0-, σ2I )X∈R,n, X~N-(0_,σ2ben)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I})fX( x ) = 1( 2 πσ2)n / 2tecrübe( - | | x | |22 σ2)fX(x)=1(2πσ2)n/2tecrübe⁡(-||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Çok değişkenli bir durumda kesik normal dağılımın benzer bir versiyonunu istiyorum . Daha doğrusu, çok değişkenli bir norm …

10 normal-distribution  simulation  random-generation 

Formül için rms paketi ile mtcars veri kümesinden oluşturulan bir nomogram aşağıdadır: mpg ~ wt + am + qsec Modelin kendisi 0.85 R2 ve P &lt;0.00001 ile iyi görünüyor &gt; mod Linear Regression Model ols(formula = mpg ~ wt + am + qsec, data = mtcars) Model Likelihood Discrimination Ratio …

10 regression  multiple-regression  data-visualization  predictive-models  regression-strategies 

Aşağıdaki cümleyi bir makalede okudum: Kısa ve uzun vadeli katsayılar arasında fark olması, gecikmiş endojen değişkenleri içeren spesifikasyonumuzun bir sonucudur. İlk farklılıklarda gerileme yaparlar ve bağımlı değişkenin gecikmesini içerirler. Şimdi , çıktıdan bir tahmine (örneğin, bu tahmine ) bakarsanız , bunun bağımlı değişken üzerindeki kısa çalışma etkisi olduğunu iddia ediyorlar …

10 regression  time-series  lags 

Durbin-Watson test istatistiği bu reddetme veya (sıfır otokorelasyon, bu durumda) hipotezini reddetmek için başarısız ya hiç mümkün değildir yetersiz bir bölgede, arasında olabilir. Başka hangi istatistiksel testler "sonuçsuz" sonuçlar verebilir? Bu test grubunun neden ikili "reddetme" / "reddetme" kararı veremediğine dair genel bir açıklama var mı (el sallama gayet iyi)? …

10 hypothesis-testing  statistical-significance  decision-theory 

Aşağıdaki basit X ve Y vektörleri var: &gt; X [1] 1.000 0.063 0.031 0.012 0.005 0.000 &gt; Y [1] 1.000 1.000 1.000 0.961 0.884 0.000 &gt; &gt; plot(X,Y) X günlüğünü kullanarak regresyon yapmak istiyorum. Günlüğü (0) almaktan kaçınmak için +1 veya +0,1 veya +0,00001 veya +0,000000000000001: &gt; summary(lm(Y~log(X))) Error in …

10 r  regression  lognormal