Statistiques et Big Data

Q & A pour les personnes intéressées par les statistiques, l'apprentissage automatique, l'analyse de données, l'exploration de données et la visualisation de données

3
Classes de distributions fermées sous maximum
Soit une classe de distributions de probabilités sur des réels non négatifs paramétrés par , de sorte que Je me demande quelles classes de distributions connues sont fermées en prenant le maximum et, ie si et sont indépendants alors .QpQpQ_ppppQp([0,∞))=1.Qp([0,∞))=1. Q_p([0,\infty)) = 1. X1∼Qp1X1∼Qp1X_1\sim Q_{p_1}X2∼Qp2X2∼Qp2X_2\sim Q_{p_2}max(X1,X2)∼Qp3max(X1,X2)∼Qp3\max(X_1,X_2)\sim Q_{p_3}

2
Comment projeter uniformément un hachage sur un nombre fixe de compartiments
Salut chers statisticiens, J'ai une source générant des hachages (par exemple, calculer une chaîne avec un horodatage et d'autres informations et hacher avec md5) et je veux la projeter dans un nombre fixe de compartiments (disons 100). exemple de hachage: 0fb916f0b174c66fd35ef078d861a367 Ce que je pensais au début était de n'utiliser …
11 uniform 


2
Interprétation de la sortie d'étape dans R
Dans R, la stepcommande est censée vous aider à sélectionner les variables d'entrée de votre modèle, non? Ce qui suit provient de example(step)#-> swiss& step(lm1) > step(lm1) Start: AIC=190.69 Fertility ~ Agriculture + Examination + Education + Catholic + Infant.Mortality Df Sum of Sq RSS AIC - Examination 1 53.03 …



5
Comment corriger les valeurs aberrantes une fois détectées pour la prévision des données de séries chronologiques?
J'essaie de trouver un moyen de corriger les valeurs aberrantes une fois que je les ai trouvées / détectées dans les données de séries chronologiques. Certaines méthodes, comme nnetar dans R, donnent des erreurs pour les séries temporelles avec des valeurs aberrantes grandes / grandes. J'ai déjà réussi à corriger …

1
Interprétation de la décomposition des séries chronologiques à l'aide de TBATS à partir du package de prévisions R
Je voudrais décomposer les données de séries chronologiques suivantes en composantes saisonnières, tendancielles et résiduelles. Les données sont un profil énergétique de refroidissement horaire d'un bâtiment commercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Il y a donc des effets saisonniers quotidiens et hebdomadaires évidents, basés sur les conseils de: Comment …


1
Mesures répétées anova: lm vs lmer
J'essaie de reproduire plusieurs tests d'interaction entre les deux lmet lmersur des mesures répétées (2x2x2). La raison pour laquelle je veux comparer les deux méthodes est que le GLM de SPSS pour les mesures répétées donne exactement les mêmes résultats que l' lmapproche présentée ici, donc à la fin je …

2
Solution au problème des chars allemands
Existe-t-il une preuve mathématique formelle que la solution au problème des chars allemands est fonction uniquement des paramètres k (nombre d'échantillons observés) et m (valeur maximale parmi les échantillons observés)? En d'autres termes, peut-on prouver que la solution est indépendante des autres valeurs d'échantillon en plus de la valeur maximale?


1
Le MLE de asymptotiquement normal lorsque ?
Supposons que ait le pdf(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 La densité de l'échantillon tiré de cette population est donc( X , Y ) = ( Xje, Yje)1 ≤ i ≤ n(X,Oui)=(Xje,Ouije)1≤je≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ( x , y )= ∏i = 1nFθ( xje, yje)= exp[ - ∑i = 1n( xjeθ+ θ …



En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.