Statistiques et Big Data

6

Je m'intéresse à la définition de quartile qui est habituellement utilisée lorsque vous êtes dans les statistiques de base. J'ai un livre de type Stat 101 et il donne juste une définition intuitive. "Environ un quart des données se situe dans ou en dessous du premier quartile ..." Mais, il …

10 excel quantiles

3

Résidus de régression logistique et distance de Cook

Existe-t-il des hypothèses particulières concernant les erreurs de régression logistique telles que la variance constante des termes d'erreur et la normalité des résidus? En règle générale, lorsque vous avez des points dont la distance du cuisinier est supérieure à 4 / n, les supprimez-vous? Si vous les supprimez, comment savoir …

10 regression logistic residuals diagnostic cooks-distance

1

Les régressions avec erreurs t-étudiants sont-elles inutiles?

Veuillez voir modifier. Lorsque vous avez des données avec des queues lourdes, faire une régression avec des erreurs de Student-t semble être une chose intuitive à faire. En explorant cette possibilité, je suis tombé sur cet article: Breusch, TS, Robertson, JC et Welsh, AH (1er novembre 1997). Les nouveaux vêtements …

10 regression mathematical-statistics modeling robust

1

Doubler les queues dans un test de permutation à deux échantillons

Supposons que nous ayons deux échantillons et que nous voulons déterminer s'ils sont tirés de la même distribution, les échantillons A, B étant composés de quelques entiers, par exemple. Si nous testons cela à l'aide d'un test de permutation à deux échantillons, en particulier en examinant les permutations où les …

10 permutation-test

2

Qu'est-ce qu'un prior hiérarchique dans les statistiques bayésiennes?

Que sont les prieurs hiérarchiques? En quoi diffèrent-ils du concept général des prieurs?

10 bayesian multilevel-analysis

4

Probabilité de trouver une séquence particulière de paires de bases

Penser à la probabilité me fait toujours réaliser à quel point je suis mal à compter ... Considérons une séquence de lettres de base A ,nnn , chacun également susceptibles d'apparaître. Quelle est la probabilité que cette séquence contienne une séquence particulière de paires de bases d'intérêt de longueur r …

10 probability combinatorics

3

Concernant l'utilisation du modèle bigramme (N-gramme) pour créer un vecteur d'entités pour un document texte

Une approche traditionnelle de la construction d'entités pour l'exploration de texte est une approche par sac de mots, et peut être améliorée à l'aide de tf-idf pour configurer le vecteur d'entités caractérisant un document texte donné. À l'heure actuelle, j'essaie d'utiliser un modèle de langage bi-gram ou (N-gram) pour créer …

10 machine-learning data-mining text-mining natural-language language-models

1

Comment calculer l'intervalle de confiance pour la prédiction de séries chronologiques?

J'ai une série chronologique (disons à X n ), et je dois prédire le prochain échantillon (disons X n + 1 , X n + 2 , … , X n + k ) en utilisant un modèle tel que le réseau de neurones, ou régression linéaire multiple. Au temps …

10 time-series prediction-interval

1

Différence entre les modèles marginaux et conditionnels

Un modèle marginal tient compte de la corrélation au sein de chaque grappe. Un modèle conditionnel prend également en compte la corrélation au sein de chaque cluster. Mes questions sont: Un modèle marginal modélise-t-il les principaux effets sur une population alors qu'un modèle conditionnel modélise-t-il les principaux effets au sein …

10 repeated-measures interpretation regression-coefficients marginal-model

2

Corrélation entre variable dichotomique et variable continue

J'essaie de trouver la corrélation entre une variable dichotomique et une variable continue. D'après mon travail sur le terrain, j'ai trouvé que je devais utiliser un test t indépendant et la condition préalable est que la distribution de la variable doit être normale. J'ai effectué le test de Kolmogorov-Smirnov pour …

10 normal-distribution categorical-data continuous-data kolmogorov-smirnov association-measure

3

Répartir les distributions

J'ai plusieurs distributions (10 distributions dans la figure ci-dessous). En fait ce sont des histogrammes: il y a 70 valeurs sur l'axe des x qui sont les tailles de certaines particules dans une solution et pour chaque valeur de x la valeur correspondante de y est la proportion de particules …

10 clustering

2

Stabilité du modèle dans la validation croisée des modèles de régression

Étant donné les multiples plis de validation croisée d'une régression logistique et les estimations multiples résultantes de chaque coefficient de régression, comment doit-on mesurer si un prédicteur (ou un ensemble de prédicteurs) est ou non stable et significatif sur la base du ou des coefficients de régression ? Est-ce différent …

10 regression model-selection cross-validation

3

Matériel en ligne pour apprendre l'analyse des séries chronologiques

Ma question est de savoir s'il existe de bons supports en ligne pour apprendre cela. Quelque chose qui introduit bien les choses, en particulier les modèles ARMA et les mathématiques associées. Edit: je cherche quelque chose du niveau de premier cycle haut de gamme. Quelque chose comme dans l' introduction …

10 time-series references arma

1

Test de proportions et classificateur binaire

J'ai un prototype de machine qui produit des pièces. Dans un premier test, la machine produit pièces et un classificateur binaire me dit que pièces sont défectueuses ( , généralement et ) et que les pièces sont bonnes.N1N1N_1d 1 < N 1 d 1 / N 1 < 0,01 N …

10 hypothesis-testing statistical-significance classification proportion

2

Comment regrouper des chaînes par thèmes communs?

J'essaie de regrouper, par exemple, des chaînes de programmation avec d'autres chaînes de programmation, des chaînes de physique avec d'autres chaînes de physique, etc., pour un large éventail de sujets. Malgré l'aspect linguistique théorique flagrant du problème, je cherche à le faire en utilisant la programmation / le logiciel. Le …

10 natural-language data-mining