Statistiques et Big Data

4

Quelles sont les différences entre les termes «analyse des séries chronologiques» et «analyse des données longitudinales»

Lorsque nous parlons de données longitudinales, nous pouvons faire référence aux données collectées au fil du temps auprès du même sujet / unité d'étude à plusieurs reprises, il existe donc des corrélations pour les observations au sein du même sujet, c'est-à-dire la similitude intra-sujet. Lorsque nous parlons de données de …

17 time-series terminology panel-data

2

Comment exécuter une analyse de régression logistique ordinale dans R avec des valeurs numériques / catégorielles?

Données de base : j'ai environ 1 000 personnes marquées par des évaluations: «1», [bon] «2», [moyen] ou «3» [mauvais] - ce sont les valeurs que j'essaie de prédire pour les personnes à l'avenir . En plus de cela, j'ai quelques informations démographiques: sexe (catégorique: H / F), âge (numérique: …

17 r regression logistic missing-data ordered-logit

3

Pourquoi avons-nous besoin d'encodeurs automatiques?

Récemment, j'ai étudié les encodeurs automatiques. Si j'ai bien compris, un autoencodeur est un réseau neuronal où la couche d'entrée est identique à la couche de sortie. Ainsi, le réseau neuronal essaie de prédire la sortie en utilisant l'entrée comme standard d'or. Quelle est l'utilité de ce modèle? Quels sont …

17 neural-networks autoencoders

2

Comment interpréter ce graphique ajusté par rapport aux résidus?

Je ne comprends pas vraiment l'hétéroscédasticité. Je voudrais savoir si mon modèle est approprié ou non selon ce tracé.

17 r regression residuals heteroscedasticity independence

2

Comment est-il possible que Poisson GLM accepte des nombres non entiers?

Je suis vraiment stupéfait par le fait que le GLM de Poisson accepte les nombres non entiers! Regardez: Données (contenu de data.txt): 1 2001 0.25 1 1 2002 0.5 1 1 2003 1 1 2 2001 0.25 1 2 2002 0.5 1 2 2003 1 1 Script R: t <- …

17 r generalized-linear-model poisson-distribution poisson-regression

4

Quelle est la relation entre

Je me demandais s'il y avait une relation entre R2R2R^2 et un test F. Habituellement , R2=∑(Y^t−Y¯)2/T−1∑(Yt−Y¯)2/T−1R2=∑(Y^t−Y¯)2/T−1∑(Yt−Y¯)2/T−1R^2=\frac {\sum (\hat Y_t - \bar Y)^2 / T-1} {\sum( Y_t - \bar Y)^2 / T-1} et il mesure la force de la relation linéaire dans la régression. Un test F prouve simplement une …

17 regression hypothesis-testing least-squares goodness-of-fit

1

Attente conditionnelle du R au carré

Considérez le modèle linéaire simple: yy=X′ββ+ϵyy=X′ββ+ϵ\pmb{y}=X'\pmb{\beta}+\epsilon où et , et contient une colonne des constantes.ϵi∼i.i.d.N(0,σ2)ϵi∼i.i.d.N(0,σ2)\epsilon_i\sim\mathrm{i.i.d.}\;\mathcal{N}(0,\sigma^2)X∈Rn×pX∈Rn×pX\in\mathbb{R}^{n\times p}p≥2p≥2p\geq2XXX Ma question est, étant donné , et , existe-t-il une formule pour une borne supérieure non triviale sur *? (en supposant que le modèle a été estimé par OLS).E(X′X)E(X′X)\mathrm{E}(X'X)ββ\betaσσ\sigmaE(R2)E(R2)\mathrm{E}(R^2) * J'ai supposé, en écrivant …

17 linear-model expected-value

1

Comment gérer mentalement le paradoxe de Borel?

Je me sens un peu mal à l'aise avec la façon dont j'ai mentalement traité le paradoxe de Borel et d'autres «paradoxes» associés traitant de la probabilité conditionnelle. Pour ceux qui lisent ceci et qui ne le connaissent pas, consultez ce lien . Ma réponse mentale jusqu'à présent a été …

17 probability conditional-probability conditional-expectation

3

Tracé visuel de données de grappe multidimensionnelles

J'ai un ensemble de données avec 16 variables, et après regroupement par kmeans, je souhaite tracer les deux groupes. Quelles parcelles proposez-vous pour représenter visuellement les deux grappes?

17 data-visualization clustering k-means

3

Quelle est la relation entre le R au carré et la valeur de p dans une régression?

tl; dr - pour la régression OLS, un R au carré plus élevé implique-t-il également une valeur P plus élevée? Spécifiquement pour une seule variable explicative (Y = a + bX + e) mais serait également intéressé de connaître pour n plusieurs variables explicatives (Y = a + b1X + …

17 regression modeling p-value r-squared

3

Ajustement de la distribution t dans R: paramètre d'échelle

Comment ajuster les paramètres d'une distribution t, c'est-à-dire les paramètres correspondant à la «moyenne» et à «l'écart-type» d'une distribution normale. Je suppose qu'ils sont appelés «moyenne» et «échelle / degrés de liberté» pour une distribution t? Le code suivant entraîne souvent des erreurs «échec de l'optimisation». library(MASS) fitdistr(x, "t") Dois-je …

17 r distributions maximum-likelihood fitting robust

5

Pourquoi k-means ne donne-t-il pas le minimum global?

J'ai lu que l'algorithme k-means ne converge que vers un minimum local et non vers un minimum global. Pourquoi est-ce? Je peux logiquement penser à la façon dont l'initialisation pourrait affecter le clustering final et il existe une possibilité de clustering sous-optimal, mais je n'ai rien trouvé qui puisse le …

17 clustering k-means convergence gradient-descent minimum

1

Comment interpréter la sortie de Predict.coxph?

Après avoir monté un coxmodel, il est possible de faire des prédictions et de récupérer le risque relatif de nouvelles données. Ce que je ne comprends pas, c'est comment le risque relatif est calculé pour un individu et à quoi est-il relatif (c'est-à-dire la moyenne de la population)? Des recommandations …

17 predictive-models relative-risk cox-model

5

Pourquoi mon R au carré est-il si bas alors que mes statistiques t sont si grandes?

J'ai effectué une régression avec 4 variables, et toutes sont très statistiquement significatives, avec des valeurs T ≈7,9,26≈7,9,26\approx 7,9,26 et 313131 (je dis ≈≈\approx car il ne semble pas pertinent d'inclure les décimales) qui sont très élevées et clairement significatives. Mais alors le R2R2R^2 est seulement .2284. Suis-je mal interprété …

17 regression hypothesis-testing econometrics

1

Lien entre fonction génératrice de moments et fonction caractéristique

J'essaie de comprendre le lien entre la fonction de génération de moment et la fonction caractéristique. La fonction de génération de moment est définie comme: MX( t ) = E( exp( t X) ) = 1 + t E( X)1+ t2E( X2)2 !+ ⋯ + tnE( Xn)n !MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = …

17 probability moments mgf method-of-moments characteristic-function