Statistiques et Big Data

Q & A pour les personnes intéressées par les statistiques, l'apprentissage automatique, l'analyse de données, l'exploration de données et la visualisation de données

1
Dans l'exemple de 8 écoles de Gelman, pourquoi l'erreur-type de l'estimation individuelle supposée est-elle connue?
Le contexte: Dans l'exemple de 8 écoles de Gelman (Bayesian Data Analysis, 3e édition, Ch 5.5), huit expériences parallèles dans 8 écoles testent l'effet du coaching. Chaque expérience donne une estimation de l'efficacité du coaching et de l'erreur standard associée. Les auteurs construisent ensuite un modèle hiérarchique pour les 8 …
3
Comment est-il possible d'obtenir un bon modèle de régression linéaire lorsqu'il n'y a pas de corrélation substantielle entre la sortie et les prédicteurs?
J'ai formé un modèle de régression linéaire, en utilisant un ensemble de variables / fonctionnalités. Et le modèle a de bonnes performances. Cependant, j'ai réalisé qu'il n'y a pas de variable avec une bonne corrélation avec la variable prédite. Comment est-ce possible?
3
Quelle est la différence entre une «expérience statistique» et un «modèle statistique»?
Je suis AW van der Vaart, statistiques asymptotiques (1998). Il parle d'expériences statistiques, affirmant qu'elles sont différentes d'un modèle statistique, mais il ne définit ni l'une ni l'autre. Ma question: Qu'est-ce que (1) une expérience statistique, (2) un modèle statistique et (3) quel est l'ingrédient clé qui distinguera toujours l'expérience …
3
Pourquoi ne pas utiliser les «équations normales» pour trouver des coefficients de moindres carrés simples?
J'ai vu cette liste ici et je ne pouvais pas croire qu'il y avait tant de façons de résoudre les moindres carrés. Les «équations normales» sur Wikipédia semblaient être une méthode assez simple: α^β^= y¯- β^X¯,= ∑ni = 1( xje- x¯) ( yje- y¯)∑ni = 1( xje- x¯)2α^=y¯-β^X¯,β^=∑je=1n(Xje-X¯)(yje-y¯)∑je=1n(Xje-X¯)2 {\displaystyle {\begin{aligned}{\hat …
1
Existe-t-il une interprétation bayésienne de la régression linéaire avec régularisation simultanée L1 et L2 (aka filet élastique)?
Il est bien connu que la régression linéaire avec une pénalité de équivaut à trouver l'estimation MAP donnée un a priori gaussien sur les coefficients. De même, l'utilisation d'une pénalité équivaut à l'utilisation d'une distribution de Laplace comme a priori.l2l2l^2l1l1l^1 Il n'est pas rare d'utiliser une combinaison pondérée de régularisation …
1
Quand la probabilité maximale et la méthode des moments produisent-elles les mêmes estimateurs?
On m'a posé cette question l'autre jour et je ne l'avais jamais envisagée auparavant. Mon intuition vient des avantages de chaque estimateur. La probabilité maximale est de préférence lorsque nous sommes confiants dans le processus de génération de données car, contrairement à la méthode des moments, elle utilise la connaissance …
2
Pourquoi exactement la régression bêta ne peut-elle pas traiter les 0 et les 1 dans la variable de réponse?
La régression bêta (c'est-à-dire GLM avec distribution bêta et généralement la fonction de lien logit) est souvent recommandée pour traiter la réponse aka variable dépendante prenant des valeurs comprises entre 0 et 1, telles que les fractions, les ratios ou les probabilités: régression pour un résultat (rapport ou fraction) entre …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.