Statistiques et Big Data

3

Il m'est venu à l'esprit aujourd'hui que la distribution pourrait être considéré comme un compromis entre les distributions gaussienne et de Laplace, pourx∈R,p∈[1,2]etβ>0. Unetelle distribution a-t-elle un nom? Et a-t-il une expression pour sa constante de normalisation? Le calcul m'arrête, car je ne sais même pas comment commencer à résoudre …

23 distributions normal-distribution terminology laplace-distribution distribution-identification

4

Les études insuffisantes ont-elles augmenté la probabilité de faux positifs?

Cette question a été posée avant ici et ici mais je ne pense pas que les réponses répondent directement à la question. Les études insuffisantes ont-elles augmenté la probabilité de faux positifs? Certains articles de presse font cette affirmation. Par exemple : Une faible puissance statistique est une mauvaise nouvelle. …

23 hypothesis-testing power false-discovery-rate

6

Texas sophisme tireur d'élite dans l'analyse exploratoire des données

Je lisais cet article dans Nature dans lequel certaines erreurs sont expliquées dans le contexte de l'analyse des données. J'ai remarqué que l'erreur du tireur d'élite au Texas était particulièrement difficile à éviter: Un piège cognitif qui attend pendant l'analyse des données est illustré par la fable du tireur d'élite …

23 eda fallacy

3

Divergence de Kullback-Leibler SANS théorie de l'information

Après beaucoup de chalutage de Cross Validated, je n'ai toujours pas l'impression d'être plus proche de la compréhension de la divergence KL en dehors du domaine de la théorie de l'information. Il est plutôt étrange que quelqu'un ayant une formation en mathématiques trouve beaucoup plus facile de comprendre l'explication de …

23 inference entropy information-theory kullback-leibler compression

2

Pouvons-nous utiliser MLE pour estimer les poids du réseau neuronal?

Je viens de commencer à étudier les statistiques et les modèles. Actuellement, je crois comprendre que nous utilisons le MLE pour estimer le ou les meilleurs paramètres d'un modèle. Cependant, lorsque j'essaie de comprendre le fonctionnement des réseaux de neurones, il semble qu'ils utilisent généralement une autre approche pour estimer …

23 maximum-likelihood neural-networks

4

Introduction à l'apprentissage automatique pour les mathématiciens

Dans un certain sens, c'est une croix de ma part de math.stackexchange , et j'ai le sentiment que ce site pourrait fournir un large public. Je recherche une introduction mathématique au machine learning. En particulier, beaucoup de littérature qui peut être trouvée est relativement imprécise et beaucoup de pages sont …

23 machine-learning references pac-learning

2

Différence de deux variables aléatoires log-normales iid

Soit X1X1X_1 et deux iidrv où . Je voudrais connaître la distribution pour .X2X2X_2log(X1),log(X2)∼N(μ,σ)log⁡(X1),log⁡(X2)∼N(μ,σ)\log(X_1),\log(X_2) \sim N(\mu,\sigma)X1−X2X1−X2X_1 - X_2 Le mieux que je puisse faire est de prendre la série Taylor des deux et de faire en sorte que la différence soit la somme de la différence entre deux VR normaux …

23 probability distributions random-variable lognormal approximation

3

Quelle est l'architecture d'un auto-encodeur convolutionnel empilé?

J'essaie donc de faire de la pré-formation sur des images d'humains en utilisant des filets convolutionnels. Je lis les journaux ( article1 et Epais2 ) et ce lien stackoverflow , mais je ne suis pas sûr que je suis comprendre la structure des filets (il est pas bien défini dans …

23 neural-networks deep-learning autoencoders deep-belief-networks

3

Décomposition MSE en variance et biais au carré

En montrant que MSE peut être décomposé en variance plus le carré de Bias, la preuve dans Wikipedia a une étape, mise en évidence dans l'image. Comment cela marche-t-il? Comment l'attente est-elle insérée dans le produit de la 3e étape à la 4e étape? Si les deux termes sont indépendants, …

23 random-variable expected-value mse

4

Test binomial exact de deux proportions d'échantillons dans R (et quelques valeurs de p étranges)

J'essaie de résoudre la question suivante: Le joueur A a remporté 17 des 25 matchs tandis que le joueur B a gagné 8 des 20 - y a-t-il une différence significative entre les deux ratios? La chose à faire dans R qui me vient à l'esprit est la suivante: > …

23 r hypothesis-testing statistical-significance binomial proportion

1

Modèle linéaire non linéaire ou généralisé: comment référez-vous à la régression logistique, Poisson, etc.?

J'ai une question sur la sémantique sur laquelle j'aimerais avoir l'avis de mes collègues statisticiens. Nous savons que des modèles tels que la logistique, Poisson, etc. tombent sous l'égide de modèles linéaires généralisés. Le modèle comprend des fonctions non linéaires des paramètres, qui peuvent à leur tour être modélisées en …

23 logistic generalized-linear-model poisson-regression nonlinear link-function

2

Quelle est la différence entre une fonction de perte et une fonction de décision?

Je vois que les deux fonctions font partie des méthodes d'extraction de données telles que Gradient Dynamiser régresseurs. Je vois que ce sont aussi des objets séparés. Quelle est la relation entre les deux en général?

23 regression classification data-mining decision-theory

6

Pourquoi choisissons-nous généralement de minimiser la somme des erreurs carrées (SSE) lors de l'ajustement d'un modèle?

La question est très simple: pourquoi, lorsque nous essayons d'adapter un modèle à nos données, linéaires ou non linéaires, essayons-nous généralement de minimiser la somme des carrés d'erreurs pour obtenir notre estimateur pour le paramètre du modèle? Pourquoi ne pas choisir une autre fonction objective à minimiser? Je comprends que, …

23 econometrics least-squares

10

Avez-vous des recommandations pour des livres pour l'auto-apprentissage des statistiques appliquées au niveau supérieur?

J'ai suivi plusieurs cours de statistiques au collège mais j'ai trouvé que mes études étaient très axées sur la théorie. Je me demandais si certains d'entre vous avaient un texte en statistique appliquée (au niveau universitaire) que vous recommandez ou avec une bonne expérience.

23 regression references modeling experiment-design application

1

Existe-t-il un moyen d'utiliser la matrice de covariance pour trouver des coefficients de régression multiple?

Pour une régression linéaire simple, le coefficient de régression peut être calculé directement à partir de la matrice de variance-covariance CCC , par Cd,eCe,eCd,eCe,e C_{d, e}\over C_{e,e} oùdddest l'indice de la variable dépendante eteeeest l'indice de la variable explicative. Si l'on n'a que la matrice de covariance, est-il possible de …

23 regression regression-coefficients covariance-matrix