Statistiques et Big Data

4

Quel est l'intérêt d'une régression univariée avant une régression multivariée?

Je travaille actuellement sur un problème dans lequel nous avons un petit ensemble de données et nous nous intéressons à l'effet de causalité d'un traitement sur le résultat. Mon conseiller m'a demandé d'effectuer une régression univariée sur chaque prédicteur avec le résultat comme réponse, puis l'affectation de traitement comme réponse. …

13 regression multivariate-analysis model-selection causality univariate

1

Pourquoi le MLE est-il logique, étant donné que la probabilité d'un échantillon individuel est de 0?

C'est une sorte de pensée étrange que j'ai eue en examinant certaines anciennes statistiques et pour une raison quelconque, je n'arrive pas à penser à la réponse. Un PDF continu nous indique la densité des valeurs d'observation dans une plage donnée. À savoir, si X∼N(μ,σ2)X∼N(μ,σ2)X \sim N(\mu,\sigma^2) , par exemple, …

13 normal-distribution maximum-likelihood pdf

2

Une régression est-elle causale s'il n'y a pas de variables omises?

Une régression de yyy sur xxx n'a pas besoin d'être causale s'il y a des variables omises qui influencent à la fois xxx et yyy . Mais si ce n'est pour les variables omises et l'erreur de mesure, une régression est-elle causale? Autrement dit, si toutes les variables possibles sont …

13 regression bias causality

8

Comment traiter les réponses aux sondages illogiques

J'ai soumis un sondage à un échantillon d'artistes. L'une des questions était d'indiquer le pourcentage des revenus provenant: de l'activité artistique, du soutien gouvernemental, de la pension privée, des activités non liées aux arts. Environ 65% des individus ont répondu que la somme du pourcentage est de 100. Les autres …

13 survey bias

3

Les scores aux tests suivent-ils vraiment une distribution normale?

J'ai essayé d'apprendre quelles distributions utiliser dans les GLM, et je suis un peu perplexe sur le moment d'utiliser la distribution normale. Dans une partie de mon manuel, il est dit qu'une distribution normale pourrait être bonne pour modéliser les scores aux examens. Dans la partie suivante, il demande quelle …

13 normal-distribution generalized-linear-model gamma-distribution inverse-gaussian-distrib

4

Les méthodes basées sur MCMC sont-elles appropriées lorsqu'une estimation a posteriori maximale est disponible?

J'ai remarqué que dans de nombreuses applications pratiques, des méthodes basées sur MCMC sont utilisées pour estimer un paramètre même si le postérieur est analytique (par exemple parce que les priors étaient conjugués). Pour moi, il est plus logique d'utiliser des estimateurs MAP plutôt que des estimateurs basés sur MCMC. …

13 bayesian mcmc posterior

3

Les probabilités sont-elles préservées sous la transformation de fonction?

Je pense que c'est un peu basique, mais disons que j'ai une variable aléatoire XXX , la probabilité la même que pour toute fonction continue à valeur réelle ?P(X≤a)P(X≤a)P(X \leq a)P(f(X)≤f(a))P(f(X)≤f(a))P(f(X) \leq f(a))fff

13 probability distributions

2

Pourquoi la meilleure sélection de sous-ensembles n'est-elle pas favorisée par rapport au lasso?

Je lis sur la meilleure sélection de sous-ensembles dans le livre Elements of statistics learning. Si j'ai 3 prédicteurs , je crée sous-ensembles:x1,x2,x3x1,x2,x3x_1,x_2,x_323=823=82^3=8 Sous-ensemble sans prédicteurs sous-ensemble avec prédicteurx1x1x_1 sous-ensemble avec prédicteurx2x2x_2 sous-ensemble avec prédicteur x3x3x_3 sous-ensemble avec prédicteurs x1,x2x1,x2x_1,x_2 sous-ensemble avec prédicteurs x1,x3x1,x3x_1,x_3 sous-ensemble avec prédicteurs x2,x3x2,x3x_2,x_3 sous-ensemble avec …

13 regression feature-selection lasso bias-variance-tradeoff

1

Lorsque nous comparons des groupes sur des variables de contrôle, devrions-nous utiliser des tests d'équivalence?

Dans de nombreux articles qui traitent des traitements et des résultats, je vois des tableaux (généralement "tableau 1") de ce que l'on pourrait appeler des variables de nuisance (souvent des données démographiques, parfois des conditions médicales) avec des tests de signification et du texte tels que "les groupes étaient globalement …

13 equivalence controlling-for-a-variable

3

Pourquoi l'amorçage est-il utile?

Si vous ne faites que rééchantillonner à partir de la distribution empirique, pourquoi ne pas simplement étudier la distribution empirique? Par exemple, au lieu d'étudier la variabilité par échantillonnage répété, pourquoi ne pas simplement quantifier la variabilité à partir de la distribution empirique?

13 machine-learning mathematical-statistics sampling bootstrap resampling

5

Distribution qui a une plage de 0 à 1 et avec un pic entre eux?

Y a-t-il une distribution ou puis-je travailler à partir d'une autre distribution pour créer une distribution comme celle de l'image ci-dessous (excuses pour les mauvais dessins)? où je donne un nombre (0,2, 0,5 et 0,9 dans les exemples) pour où le pic devrait être et un écart-type (sigma) qui rend …

13 distributions normal-distribution

2

Un problème d'estimabilité des paramètres

Soit et quatre variables aléatoires telles que , où sont des paramètres inconnus. Supposons également que ,Alors lequel est vrai?Y 1 , Y 2 , Y 3 Y1,Y2,Y3Y_1,Y_2,Y_3Y 4Y4Y_4 E ( Y 1 ) = θ 1 - θ 3 ; E ( Y 2 ) = θ 1 + …

13 self-study estimation inference

2

Puis-je utiliser la CLR (transformation log-ratio centrée) pour préparer les données pour l'ACP?

J'utilise un script. C'est pour les enregistrements de base. J'ai un dataframe qui montre les différentes compositions élémentaires dans les colonnes sur une profondeur donnée (dans la première colonne). Je veux effectuer un PCA avec et je suis confus quant à la méthode de standardisation que je dois choisir. L'un …

13 r pca normalization compositional-data

1

Comparaison de deux modèles lorsque les courbes ROC se croisent

Une mesure courante utilisée pour comparer deux modèles de classification ou plus consiste à utiliser l'aire sous la courbe ROC (AUC) comme moyen d'évaluer indirectement leur performance. Dans ce cas, un modèle avec une AUC plus grande est généralement interprété comme plus performant qu'un modèle avec une AUC plus petite. …

13 machine-learning classification roc auc model-evaluation

2

Qu'est-ce que le Deep Bayesian Learning?

Qu'est-ce que le Deep Learning Bayésien et comment est-il lié aux statistiques bayésiennes traditionnelles et au Deep Learning traditionnel? Quels sont les principaux concepts et mathématiques impliqués? Puis-je dire que ce sont juste des statistiques bayésiennes non paramétriques? Quels sont ses travaux phares ainsi que ses principaux développements et applications …

13 bayesian deep-learning