İstatistikler ve Büyük Veri

4'ten 5'e kadar açıklayıcı değişkenle regresyon yapmak istiyorum, ancak sadece 15 gözlemim var. Bu değişkenlerin normal olarak dağıtıldığını varsaymamak, parametrik olmayan veya başka bir geçerli regresyon yöntemi var mı?

9 regression  small-sample 

Diyelim ki bir çantada N topum var. İlk çektiğimde, topu işaretliyorum ve yerine koyuyorum. İkinci çektiğimde, işaretli bir top alırsam çantaya iade ederim. Bununla birlikte, işaretlenmemiş bir topu alırsam, işaretler ve torbaya geri gönderirim. Buna herhangi bir çekiliş için devam ediyorum. Bir dizi çekiliş ve işaretli / işaretsiz çekiliş geçmişi …

9 probability  estimation  population  combinatorics  capture-mark-recapture 

Bir istatistikçi arkadaşım bana hassas sorunlarla ilgilenen anketlerde dürüst yanıtlar almak için kullanılan ilginç bir teknikten bahsetti. Yöntemin genel özünü hatırlıyorum, ancak kimsenin ayrıntıları bilip bilmediğini ve herhangi bir yere atıfta bulunulduğunu merak ediyorum. Hikaye, Florida AMA'nın doktorlar arasında uyuşturucu kullanımını değerlendirmek istediği idi. Bir kalıpla bir anket gönderdiler. IIRC, …

9 categorical-data  survey 

Sınıflandırma ve regresyon konusunda biraz bilgim olmasına rağmen, hayatta kalma analizine yeni başladım. Regresyon için MSE ve R kare istatistiklerine sahibiz. Fakat hayatta kalma model A'nın bazı grafiksel grafiklerin (KM eğrisi) yanı sıra hayatta kalma modeli B'den daha üstün olduğunu nasıl söyleyebiliriz? Mümkünse, lütfen farkı bir örnekle açıklayın (örneğin, R'deki …

9 regression  survival  goodness-of-fit  cart  rpart 

Kapalı . Bu soru görüş temelli . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Bu yayını düzenleyerek gerçekler ve alıntılarla yanıtlanabilmesi için soruyu güncelleyin . 5 yıl önce kapalı . Şu anda çok iyi bir programda istatistik öğrencisiyim. Minitab'ı çeşitli öğeler / sınıflar için kullanıyoruz. Ancak, lisansımın …

9 sas  minitab 

Makine öğrenmesinde, genellikle bir veri kümesinin düzgün bir düşük boyutlu manifoldda (manifold varsayımı) olduğu varsayılır, ancak belirli koşulların karşılandığını varsaymanın herhangi bir yolu vardır, o zaman veri kümesi gerçekten (yaklaşık olarak) üretilir boyutlu pürüzsüz bir manifolddan? Örneğin, bir veri sekansı verilen burada (farklı açılarla ön görüntü sırasını ki) ve karşılık …

9 machine-learning  dimensionality-reduction  manifold-learning 

Süreklilik gibi bazı makul koşulları yerine getirmeyi bildiğim etki alanı ile ilgili bilinmeyen bazı fonksiyonum olduğunu varsayalım . I tam değerlerinin bilinmesi f bazı eşit uzaklıkta numuneleme noktalarında (veri, bir simülasyon geldiği için) t_i = T_0 + iΔt ile i∈ {1, ..., n \} \ , tüm yakalamak için yeterince …

9 time-series  hypothesis-testing  exact-test 

Milyonlarca yönlendirilmiş çizgi segmentinden oluşan bir veri setim var. Çizgi segmentleri sıralıdır - bu, yarım saatlik aralıklarla gözlenen ve simüle edilen değerlere sahip iklimsel bir değişkendir (hissedilebilir ısı). Simülasyonun nasıl performans gösterdiğine dair kalıplar aramaya çalışıyorum. Ben obs vs simülasyon değerleri bir dağılım grafiğine bakıyorum ve onları çizgi bölümleri ile …

9 descriptive-statistics  vector-fields  data-visualization 

Zaman serisi verilerini tahmin etmek için STL (R uygulaması) kullanıyoruz. Her gün günlük tahminler yapıyoruz. Tahmin değerlerini gerçek değerlerle karşılaştırmak ve ortalama sapmayı belirlemek istiyoruz. Örneğin, yarın için tahmin çalıştırdık ve tahmin puanları aldık, bu tahmin puanlarını yarın elde edeceğimiz gerçek verilerle karşılaştırmak istiyoruz. Tahmin değerlerinin ve gerçek verilerin çoğu …

9 time-series  forecasting  accuracy 

Daha iyi Johansen yöntemini anlamaya çalışıyorum, bu yüzden üç sürecimiz olan Olabilirlik Tabanlı-Çıkarım-Eşbütünleştirilmiş -Oregregresif-Ekonometri kitabı tarafından verilen bir örnek 3.1 geliştirdim : X1 ton=Σi = 1tε1 ben+ε2 tonX1t=∑i=1tϵ1i+ϵ2tX_{1t} = \sum_{i=1}^t \epsilon_{1i} + \epsilon_{2t} X2 ton= αΣi = 1tε1 ben+ε3 tonX2t=α∑i=1tϵ1i+ϵ3t X_{2t} = \alpha \sum_{i=1}^t \epsilon_{1i} + \epsilon_{3t} X3 ton=ε4 tonX3t=ϵ4t …

9 self-study  cointegration  vecm 

Bir hayvanın düşmanca bir ortama yerleştirildiği ve hayatta kalmak için bir yaklaşım kullanarak ne kadar süre hayatta kalabileceğini görmek için zamanlandığı bir simülasyonum var. Hayatta kalmak için kullanabileceği üç yaklaşım vardır. Her hayatta kalma yaklaşımını kullanarak hayvanın 300 simülasyonunu çalıştırdım. Tüm simülasyonlar aynı ortamda gerçekleşir, ancak bazı rasgelelikler vardır, bu …

9 hypothesis-testing  post-hoc  wilcoxon-mann-whitney  kruskal-wallis  dunn-test 

Zamana bağlı ortak değişken içeren Cox orantılı tehlike modelinden sağkalım süresi oluşturmak istiyorum. Model h(t|Xi)=h0(t)exp(γXi+αmi(t))h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) nerede XiXiX_i Binom'dan (1,0.5) üretilir ve mi(t)=β0+β1Xi+β2Xitmi(t)=β0+β1Xi+β2Xitm_{i}(t)=\beta_0 + \beta_1 X_{i} + \beta_2 X_{i} t. Gerçek parametre değerleri şu şekilde kullanılır: γ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1γ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1\gamma = 1.5, \beta_0 = 0, \beta_1 = -1, …

9 r  survival  cox-model  time-varying-covariate 

Lavta yaparken bu CFA im nasıl devam emin değilim. 172 katılımcıdan oluşan bir örnek var (bunun bir CFA için fazla bir şey olmadığını biliyorum) ve yedi faktör üzerine yüklenecek 7 noktalı Likert ölçekleri olan 28 öğe var. "Mlm" tahmincileri olan bir CFA yaptım, ancak model uyum gerçekten kötüydü (χ2 (df …

9 r  sem  fitting  confirmatory-factor 

Mekansal istatistiklerde ve çok sayıda öğretici izlerken çok yeniyim, Ama neden buzdolabında bir variogram modeli sağlamanız gerektiğini anlamıyorum. R gstat paketi kullanıyorum ve bu verdikleri örnektir: library(sp) data(meuse) coordinates(meuse) = ~x+y data(meuse.grid) str(meuse.grid) gridded(meuse.grid) = ~x+y m <- vgm(.59, "Sph", 874, .04) print(m) # ordinary kriging: x <- krige(log(zinc)~1, meuse, …

9 spatial 

Böyle iki değişkenli gürültülü bir veri var. x1 <- rep(seq(0,1, 0.1), each = 3000) set.seed(123) y1 <- rep (c(0.2, 0.8, 0.3, 0.9, 0.65, 0.35,0.7,0.1,0.25, 0.3, 0.95), each = 3000) set.seed(1234) e1 = rnorm(length(x1), 0.07,0.07) set.seed(1223) e2 = rnorm(length(x1), 0.07,0.07) set.seed(1334) yn <- rnorm(20000, 0.5,0.9) set.seed(2344) xn <- rnorm(20000, 0.5,0.9) y …

9 r  machine-learning  clustering