Statistiques et Big Data

3

Que signifient les résidus d'une régression logistique?

En réponse à cette question, John Christie a suggéré d'évaluer l'adéquation des modèles de régression logistique en évaluant les résidus. Je sais comment interpréter les résidus dans les MCO, ils sont à la même échelle que le DV et très clairement la différence entre y et le y prévue par …

62 r logistic generalized-linear-model residuals aic

8

Bayésiens: esclaves de la fonction de vraisemblance?

Dans son livre "All of Statistics", le professeur Larry Wasserman présente l'exemple suivant (11.10, page 188). Supposons que nous ayons une densité telle que , où est un connu (non négatif, intégrable) la fonction, et la constante de normalisation est inconnu .ffff(x)=cg(x)f(x)=cg(x)f(x)=c\,g(x)c > 0gggc>0c>0c>0 Nous nous intéressons aux cas où …

62 bayesian mathematical-statistics

4

La variance d'une somme est-elle égale à la somme des variances?

Est-il vrai (toujours) que Var(∑i=1mXi)=∑i=1mVar(Xi)?Var(∑i=1mXi)=∑i=1mVar(Xi)?\mathrm{Var}\left(\sum\limits_{i=1}^m{X_i}\right) = \sum\limits_{i=1}^m{\mathrm{Var}(X_i)} \>?

62 variance

7

Régression avec plusieurs variables dépendantes?

Est-il possible d'avoir une équation de régression (multiple) avec deux variables dépendantes ou plus? Bien sûr, vous pouvez exécuter deux équations de régression distinctes, une pour chaque DV, mais cela ne semble pas capturer une relation quelconque entre les deux DV?

62 regression

3

Qui a créé la première table normale standard?

Je suis sur le point d'introduire la table normale standard dans mon cours d'introduction aux statistiques et je me suis demandé: qui a créé la première table normale standard? Comment l'ont-ils fait avant l'arrivée des ordinateurs? Je frémis en pensant à une calculatrice en force brute que mille sommes Riemann …

61 normal-distribution algorithms history tables

5

Pourquoi le Jeffreys avant est-il utile?

Je comprends que le prior de Jeffreys est invariant sous re-paramétrage. Cependant, ce que je ne comprends pas, c'est pourquoi cette propriété est souhaitée. Pourquoi ne voudriez-vous pas que l’avant change avec un changement de variables?

61 bayesian prior

10

Que signifie "scientifiques se lèvent contre signification statistique"? (Commentaire dans Nature)

Le titre du commentaire dans Nature Les scientifiques se soulèvent contre la signification statistique commence par: Valentin Amrhein, Sander Greenland, Blake McShane et plus de 800 signataires appellent à la fin des revendications excitées et au rejet d'effets potentiellement cruciaux. et plus tard contient des déclarations comme: Encore une fois, …

61 statistical-significance p-value bias

2

Rapport de vraisemblance vs facteur Bayes

Je suis plutôt évangélique quant à l'utilisation des ratios de vraisemblance pour représenter l'évidence objective de / contre un phénomène donné. Cependant, j’ai récemment appris que le facteur Bayes remplissait une fonction similaire dans le contexte des méthodes bayésiennes (c’est-à-dire que le préalable subjectif est combiné au facteur objectif de …

61 likelihood-ratio bayes-factors

2

Pourquoi seulement trois partitions? (formation, validation, test)

Lorsque vous essayez d'adapter des modèles à un jeu de données volumineux, il est généralement conseillé de partitionner les données en trois parties: le jeu de données d'apprentissage, de validation et de test. En effet, les modèles ont généralement trois "niveaux" de paramètres: le premier "paramètre" est la classe du …

61 machine-learning model-selection data-mining

5

Quel problème les méthodes de rétrécissement résolvent-elles?

La saison des vacances m'a donné l'occasion de m'installer près du feu avec Les éléments d'apprentissage statistique . Venant d’une perspective économétrique (fréquentiste), j’ai du mal à comprendre les utilisations de méthodes de réduction telles que la régression de crête, le lasso et la régression du moindre angle (LAR). En …

61 lasso ridge-regression shrinkage lars

6

Quelle est la différence entre un modèle "imbriqué" et un modèle "non imbriqué"?

Dans la littérature sur les modèles hiérarchiques / multiniveaux, j'ai souvent lu des articles sur les "modèles imbriqués" et les "modèles non imbriqués", mais qu'est-ce que cela signifie? Est-ce que quelqu'un pourrait peut-être me donner des exemples ou me parler des implications mathématiques de ce libellé?

61 hypothesis-testing terminology nested-models nested-data

9

Comment et pourquoi la normalisation et la mise à l'échelle des fonctionnalités fonctionnent-elles?

Je constate que de nombreux algorithmes d’apprentissage automatique fonctionnent mieux avec une annulation moyenne et une égalisation de covariance. Par exemple, les réseaux de neurones ont tendance à converger plus rapidement et K-Means offre généralement un meilleur clustering avec des fonctionnalités pré-traitées. Je ne vois pas l'intuition derrière ces étapes …

61 machine-learning neural-networks covariance normalization

6

Où couper un dendrogramme?

La classification hiérarchique peut être représentée par un dendrogramme. Couper un dendrogramme à un certain niveau donne un ensemble de grappes. La coupe à un autre niveau donne un autre ensemble de grappes. Comment choisiriez-vous où couper le dendrogramme? Y at-il quelque chose que nous pourrions considérer comme un point …

61 clustering dendrogram

5

Quelle est la relation entre le clustering k-means et PCA?

Il est courant d'appliquer PCA (analyse en composantes principales) avant un algorithme de classification (tel que k-means). On pense que cela améliore les résultats de regroupement dans la pratique (réduction du bruit). Cependant, je suis intéressé par une étude comparative et approfondie de la relation entre PCA et k-means. Par …

61 clustering pca k-means

6

Erreurs-types pour la prédiction de lasso utilisant R

J'essaie d'utiliser un modèle LASSO pour la prévision et je dois estimer les erreurs-types. Sûrement quelqu'un a déjà écrit un paquet pour faire ceci. Mais pour autant que je sache, aucun des paquets sur CRAN qui font des prédictions à l'aide d'un LASSO ne renverra d'erreurs standard pour ces prédictions. …

60 r standard-error prediction lasso