Statistiques et Big Data

3

Régression linéaire simple, valeurs de p et AIC

Je me rends compte que ce sujet a été soulevé plusieurs fois auparavant, par exemple ici , mais je ne sais toujours pas comment interpréter au mieux ma sortie de régression. J'ai un ensemble de données très simple, composé d'une colonne de valeurs x et d'une colonne de valeurs y …

13 regression p-value least-squares aic

2

Pourquoi utiliser le lasso de groupe au lieu du lasso?

J'ai lu que le lasso de groupe est utilisé pour la sélection des variables et la rareté dans un groupe de variables. Je veux connaître l'intuition derrière cette affirmation. Pourquoi le lasso de groupe est-il préféré au lasso? Pourquoi le chemin de la solution de lasso de groupe n'est-il pas …

13 regression feature-selection lasso regularization

2

Expliquer la variance d'un modèle de régression

Cela peut être une explication simple (j'espère quand même). J'ai fait une analyse de régression dans Matlab en utilisant la boîte à outils de régression. Cependant, je suis tombé sur une étude qui dit ceci: "Grâce à l'analyse de régression, il a été possible de mettre en place un modèle …

13 variance

3

Pourquoi le kurtosis positif élevé est-il problématique pour les tests d'hypothèse?

J'ai entendu (désolé ne peut pas fournir un lien vers un texte, quelque chose qui m'a été dit) qu'un kurtosis positif élevé des résidus peut être problématique pour des tests d'hypothèse précis et des intervalles de confiance (et donc des problèmes d'inférence statistique). Est-ce vrai et, si oui, pourquoi? Un …

13 statistical-significance p-value assumptions kurtosis

2

La normalité conjointe est-elle une condition nécessaire pour que la somme des variables aléatoires normales soit normale?

Dans les commentaires qui suivent ma réponse à une question connexe, les utilisateurs ssdecontrol et Glen_b ont demandé si la normalité conjointe de et était nécessaire pour affirmer la normalité de la somme ? Bien entendu, le fait que la normalité commune soit suffisante est bien connu. Cette question supplémentaire …

13 probability normal-distribution distributions bivariate multivariate-normal

1

Qu'est-ce que le seuil optimal F1? Comment le calculer?

J'ai utilisé la fonction h2o.glm () dans R qui donne un tableau de contingence dans le résultat avec d'autres statistiques. Le tableau de contingence est intitulé " Tableau croisé basé sur le seuil optimal F1 " Wikipedia définit le score F1 ou le score F comme la moyenne harmonique de …

13 threshold

2

Formule pour l'intervalle de confiance à 95% pour

J'ai googlé et recherché sur stats.stackexchange mais je ne trouve pas la formule pour calculer un intervalle de confiance à 95% pour une valeur pour une régression linéaire. Quelqu'un peut-il le fournir?R2R2R^2 Mieux encore, disons que j'ai exécuté la régression linéaire ci-dessous dans R. Comment calculer un intervalle de confiance …

13 r regression confidence-interval inference r-squared

3

Résultats théoriques derrière les réseaux de neurones artificiels

Je viens de couvrir les réseaux de neurones artificiels dans le cours d'apprentissage automatique de Coursera et j'aimerais en savoir plus sur la théorie. Je trouve la motivation qu'ils imitent la biologie quelque peu insatisfaisante. En surface, il semble qu'à chaque niveau, nous remplaçons les covariables par une combinaison linéaire …

13 machine-learning neural-networks theory

1

Quelle est la différence entre l'interprétation des courbes GINI et AUC?

nous avons utilisé pour créer une courbe GINI en utilisant l'ascenseur créé avec l'aide du pourcentage de bons et de mauvais pour la modélisation des tableaux de bord. Mais ce que j'ai étudié, c'est que la courbe ROC est créée en utilisant une matrice de confusion avec une spécificité (1-vrai …

13 roc gini

4

Interprétation de la variance à effet aléatoire dans glmer

Je révise un document sur la pollinisation, où les données sont distribuées de façon binomiale (le fruit mûrit ou non). J'ai donc utilisé glmerun effet aléatoire (plante individuelle) et un effet fixe (traitement). Un critique veut savoir si la plante a eu un effet sur la nouaison - mais j'ai …

13 r generalized-linear-model variance lme4-nlme ecology

2

Quelle est l'interprétation de la covariance des coefficients de régression?

La fonction lm dans R peut imprimer la covariance estimée des coefficients de régression. Que nous fournissent ces informations? Pouvons-nous maintenant mieux interpréter le modèle ou diagnostiquer les problèmes qui pourraient être présents dans le modèle?

13 r multiple-regression least-squares

4

L'inégalité triangulaire est-elle satisfaite pour ces distances basées sur la corrélation?

Pour le clustering hiérarchique, je vois souvent les deux "métriques" suivantes (elles ne parlent pas exactement) pour mesurer la distance entre deux variables aléatoires et Y : XXXOuiYY\newcommand{\Cor}{\mathrm{Cor}} L'un ou l'autre remplit-il l'inégalité du triangle? Si oui, comment dois-je le prouver autrement que simplement faire un calcul de force brute? …

13 correlation clustering distance metric

2

Comment trouve-t-on la moyenne d'une somme de variables dépendantes?

Je sais que la moyenne de la somme des variables indépendantes est la somme des moyennes de chaque variable indépendante. Cela s'applique-t-il également aux variables dépendantes?

13 mean non-independent

1

Probabilité marginale de la sortie de Gibbs

Je reproduis de zéro les résultats de la section 4.2.1 de Probabilité marginale de la sortie de Gibbs Siddhartha Chib Journal de l'American Statistical Association, vol. 90, n ° 432. (déc., 1995), pp. 1313-1321. C'est un mélange de modèles normaux avec un nombre connu de composants. k≥1k≥1k\geq 1f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σ2j).(∗)f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σj2).(∗) f(x\mid w,\mu,\sigma^2) …

13 bayesian mixture gibbs

1

Extraction de pentes pour des cas à partir d'un modèle à effets mixtes (lme4)

Je voudrais extraire les pentes de chaque individu dans un modèle à effets mixtes, comme indiqué dans le paragraphe suivant Des modèles à effets mixtes ont été utilisés pour caractériser les voies individuelles de changement dans les mesures cognitives sommaires, y compris les termes pour l'âge, le sexe et les …

13 r mixed-model