Statistiques et Big Data

3

Quelques questions sur l'aléatoire statistique

De la statistique aléatoire de Wikipédia : Le hasard global et le hasard local sont différents. La plupart des conceptions philosophiques du caractère aléatoire sont globales, car elles sont basées sur l'idée que "à long terme", une séquence semble vraiment aléatoire, même si certaines sous-séquences ne semblent pas aléatoires. Dans …

15 mathematical-statistics random-generation

1

Régression des erreurs dans les variables: est-il valable de regrouper les données de trois sites?

Récemment, un client est venu me voir pour faire une analyse bootstrap parce qu'un examinateur de la FDA a dit que la régression des erreurs dans les variables n'était pas valide car lors de la mise en commun des données des sites, l'analyse inclut la mise en commun des données …

15 regression errors-in-variables deming-regression pooling

11

Des exemples de processus qui ne sont pas de Poisson?

Je cherche de bons exemples de situations qui ne conviennent pas au modèle avec une distribution de Poisson, pour m'aider à expliquer la distribution de Poisson aux étudiants. On utilise couramment le nombre de clients arrivant dans un magasin dans un intervalle de temps comme exemple qui peut être modélisé …

15 poisson-distribution teaching

5

Bibliothèque Java open source pour les statistiques au niveau offert par un cours de statistique diplômé

Je suis en train de suivre un cours de deuxième cycle en statistique appliquée qui utilise le manuel suivant (pour vous donner une idée du niveau du matériel couvert): Concepts et méthodes statistiques , par GK Bhattacharyya et RA Johnson. Le professeur nous oblige à utiliser SAS pour les devoirs. …

15 r sas java

2

Moyenne (scores) vs Score (concaténation) en validation croisée

TLDR: Mon ensemble de données est assez petit (120) échantillons. Lors de la validation croisée 10 fois, dois-je: Recueillir les résultats de chaque pli test, les concaténer en un vecteur, puis calculer l'erreur sur ce vecteur complet de prédictions (120 échantillons)? Ou devrais-je plutôt calculer l'erreur sur les sorties que …

15 classification cross-validation small-sample

2

Le principe d'indifférence s'applique-t-il au paradoxe Borel-Kolmogorov?

Considérons la solution de Jaynes au paradoxe de Bertrand en utilisant le principe d'indifférence . Pourquoi un argument similaire ne s'applique-t-il pas au paradoxe Borel-Kolmogorov ? Y a-t-il quelque chose de mal à faire valoir que, puisque le problème ne spécifie pas une orientation pour la sphère, la rotation de …

15 theory paradox

3

Qu'est-ce que le mélange de données?

Ce terme apparaît fréquemment dans les threads liés à la méthode . Le mélange est-il une méthode spécifique dans l'exploration de données et l'apprentissage statistique? Je ne parviens pas à obtenir un résultat pertinent de Google. Il semble que le mélange mélange les résultats de nombreux modèles et donne un …

15 machine-learning data-mining unsupervised-learning statistical-learning

3

Le terme quadratique ou d'interaction est significatif isolément, mais aucun n'est ensemble

Dans le cadre d'une mission, j'ai dû adapter un modèle avec deux variables prédictives. J'ai ensuite dû tracer un graphique des résidus des modèles par rapport à l'un des prédicteurs inclus et apporter des modifications en fonction de cela. L'intrigue a montré une tendance curviligne et j'ai donc inclus un …

15 statistical-significance multiple-regression modeling

3

Quelles sont les options du modèle de régression à aléas proportionnels lorsque les résidus de Schoenfeld ne sont pas bons?

Je fais une régression des risques proportionnels de Cox dans R using coxph, qui comprend de nombreuses variables. Les résidus de Martingale ont fière allure, et les résidus de Schoenfeld sont excellents pour PRESQUE toutes les variables. Il existe trois variables dont les résidus de Schoenfeld ne sont pas plats, …

15 r model cox-model hazard schoenfeld-residuals

3

Procédure automatisée de sélection d'un sous-ensemble de points de données avec la corrélation la plus forte?

Existe-t-il une procédure standard (telle que l'on pourrait la citer comme référence) pour sélectionner le sous-ensemble de points de données dans un pool plus large avec la corrélation la plus forte (le long de deux dimensions seulement)? Par exemple, supposons que vous ayez 100 points de données. Vous voulez un …

15 regression correlation autocorrelation

3

Définition et origine de «l'entropie croisée»

Sans citer de sources, Wikipedia définit l'entropie croisée des distributions discrètes et Q commePPPQQQ H×( P; Q )= - ∑Xp ( x )Journalq( x ) .H×(P;Q)=-∑Xp(X)Journal⁡q(X).\begin{align} \mathrm{H}^{\times}(P; Q) &= -\sum_x p(x)\, \log q(x). \end{align} Qui a été le premier à commencer à utiliser cette quantité? Et qui a inventé ce …

15 information-theory entropy

3

Confusion quant au moment d'utiliser les statistiques par rapport aux statistiques

Je faisais référence à cette conférence vidéo pour calculer l'intervalle de confiance . Cependant, j'ai une certaine confusion. Ce type utilise des statistiques pour le calcul. Cependant, je pense qu'il aurait dû être un -statistiques. On ne nous donne pas le véritable écart-type de la population. Nous utilisons l'écart type …

15 confidence-interval t-distribution

4

Comment savoir si un site de poker en ligne est équitable?

La semaine dernière, j'ai eu une discussion intéressante avec un de mes bons amis. Il jouait au poker en ligne et a suggéré qu'il existe une relation entre le nouvel abonnement / transfert d'argent supplémentaire et les cartes que vous recevez, c'est-à-dire que vous obtenez de bonnes cartes pour vous …

15 binomial games wilcoxon-signed-rank

2

Générer trois variables aléatoires corrélées uniformément distribuées

Supposons que nous ayons X 2 ∼ unif ( n , 0 , 1 ) ,X1∼ unif ( n , 0 , 1 ) ,X1∼unif(n,0,1),X_1 \sim \textrm{unif}(n,0,1), X2∼ unif ( n , 0 , 1 ) ,X2∼unif(n,0,1),X_2 \sim \textrm{unif}(n,0,1), où est un échantillon aléatoire uniforme de taille n, etunif ( …

15 r correlation random-generation uniform

1

Pourquoi les estimations du coefficient de régression rlm () sont-elles différentes de lm () dans R?

J'utilise rlm dans le package R MASS pour régresser un modèle linéaire multivarié. Cela fonctionne bien pour un certain nombre d'échantillons, mais j'obtiens des coefficients quasi nuls pour un modèle particulier: Call: rlm(formula = Y ~ X1 + X2 + X3 + X4, data = mymodel, maxit = 50, na.action …

15 r multiple-regression robust