Statistiques et Big Data

4

Quels sont les avantages et les inconvénients de l'utilisation du logrank par rapport à la méthode de Mantel-Haenszel pour calculer le Hazard Ratio dans l'analyse de survie?

Une façon de résumer la comparaison de deux courbes de survie est de calculer le rapport de risque (HR). Il existe (au moins) deux méthodes pour calculer cette valeur. Méthode Logrank. Dans le cadre des calculs de Kaplan-Meier, calculer le nombre d'événements observés (décès, généralement) dans chaque groupe ( OaOaOa …

17 survival hazard

2

Comprendre le test t pour la régression linéaire

J'essaie de savoir comment effectuer des tests d'hypothèse sur une régression linéaire (l'hypothèse nulle étant sans corrélation). Chaque guide et page sur le sujet que je rencontre semble utiliser un test t. Mais je ne comprends pas ce que signifie réellement le test t pour la régression linéaire. Un test …

17 regression t-test

1

Choisir entre des versions bêta antérieures non informatives

Je suis à la recherche de priors non informatifs pour la distribution bêta pour travailler avec un processus binomial (Hit / Miss). Au début, j'ai pensé à utiliser α=1,β=1α=1,β=1\alpha=1, \beta=1 qui génèrent un PDF uniforme, ou Jeffrey avant α=0.5,β=0.5α=0.5,β=0.5\alpha=0.5, \beta=0.5 . Mais je recherche en fait des prieurs qui ont …

17 bayesian prior beta-distribution uninformative-prior

2

Pourquoi une distribution T est-elle utilisée pour tester l'hypothèse d'un coefficient de régression linéaire?

En pratique, l'utilisation d'un test T standard pour vérifier la signification d'un coefficient de régression linéaire est une pratique courante. La mécanique du calcul a du sens pour moi. Pourquoi la distribution T peut-elle être utilisée pour modéliser la statistique de test standard utilisée dans les tests d'hypothèse de régression …

17 regression hypothesis-testing linear-model t-distribution

2

Pourquoi Lasso ou ElasticNet fonctionnent mieux que Ridge lorsque les fonctionnalités sont corrélées

J'ai un ensemble de 150 fonctionnalités, et beaucoup d'entre elles sont fortement corrélées les unes aux autres. Mon objectif est de prédire la valeur d'une variable discrète, dont la plage est 1-8 . La taille de mon échantillon est de 550 et j'utilise une validation croisée 10 fois . AFAIK, …

17 regression lasso regularization ridge-regression elastic-net

4

Méthodes de clustering qui ne nécessitent pas de pré-spécifier le nombre de clusters

Existe-t-il des méthodes de clustering "non paramétriques" pour lesquelles nous n'avons pas besoin de spécifier le nombre de clusters? Et d'autres paramètres comme le nombre de points par cluster, etc.

17 clustering

3

Mise à jour bayésienne avec de nouvelles données

Comment procéder pour calculer un postérieur avec un N ~ (a, b) antérieur après avoir observé n points de données? Je suppose que nous devons calculer la moyenne et la variance de l'échantillon des points de données et faire une sorte de calcul qui combine le postérieur avec le précédent, …

17 bayesian normal-distribution conjugate-prior

5

Une mesure de la «variance» de la matrice de covariance?

Si les données sont 1d, la variance montre dans quelle mesure les points de données sont différents les uns des autres. Si les données sont multidimensionnelles, nous obtiendrons une matrice de covariance. Existe-t-il une mesure qui donne un nombre unique de différences entre les points de données les uns des …

17 variance covariance covariance-matrix

3

Comment décider quelle famille GLM utiliser?

J'ai des données de densité de poisson que j'essaie de comparer entre plusieurs techniques de collecte différentes, les données ont beaucoup de zéros et l'histogramme semble approprié pour une distribution de poisson, sauf que, comme densités, ce ne sont pas des données entières. Je suis relativement nouveau dans les GLM …

17 regression distributions generalized-linear-model link-function

3

Que signifie le R au carré négatif?

Disons que j'ai des données, puis j'ajuste les données avec un modèle (une régression non linéaire). Ensuite, je calcule le R au carré ( ).R2R2R^2 Lorsque le R au carré est négatif, qu'est-ce que cela signifie? Est-ce à dire que mon modèle est mauvais? Je sais que la plage de …

17 regression goodness-of-fit r-squared curve-fitting

3

Régression logistique ou test T?

Un groupe de personnes répond à une question. La réponse peut être "oui" ou "non". Le chercheur souhaite savoir si l'âge est associé au type de réponse. L'association a été évaluée en effectuant une régression logistique où l'âge est la variable explicative et le type de réponse (oui, non) est …

17 regression logistic t-test

2

Représenter les effets d'interaction dans les graphiques acycliques dirigés

Les graphiques acycliques dirigés (DAG; par exemple, Groenland, et al, 1999) font partie d'un formalisme d'inférence causale à partir de l'interprétation contrefactuelle du camp de causalité. Dans ces graphiques, la présence d'une flèche de la variable à la variable B affirme que la variable A provoque directement (une certaine variation …

17 interaction causality dag

2

L'utilisation de la matrice de corrélation pour sélectionner les prédicteurs de régression est-elle correcte?

Il y a quelques jours, un de mes psychologues-chercheurs m'a parlé de sa méthode pour sélectionner des variables dans un modèle de régression linéaire. Je suppose que ce n'est pas bon, mais je dois demander à quelqu'un d'autre de m'en assurer. La méthode est: Examinez la matrice de corrélation entre …

17 regression correlation model-selection

2

Comment interpréter un QQ-plot de valeurs de p

Je fais des études d'association GWAS SNP sur les maladies en utilisant un logiciel appelé plink ( http://pngu.mgh.harvard.edu/~purcell/plink/download.shtml ). Avec les résultats d'association, j'obtiens des valeurs de p pour tous les SNP qui ont été analysés. Maintenant, j'utilise un tracé QQ de ces valeurs de p pour montrer si une …

17 qq-plot

2

Quels sont les «coefficients de discriminants linéaires» dans la LDA?

Dans R, j'utilise la ldafonction de la bibliothèque MASSpour faire la classification. Si je comprends bien LDA, l'entrée verra attribuer l'étiquette , ce qui maximisera p (y | x) , non?XXxyyyp ( y| x)p(y|X)p(y|x) Mais quand le modèle, dans lequel y = Direction, je ne comprends pas très bien la …

17 r discriminant-analysis inference