Statistiques et Big Data

1

Si le carré d'une série chronologique est stationnaire, la série chronologique d'origine est-elle stationnaire?

J'ai trouvé une solution qui disait que si le carré d'une série chronologique est stationnaire, la série chronologique d'origine l'est aussi, et vice-versa. Cependant, je ne semble pas en mesure de le prouver, quelqu'un a une idée si c'est vrai, et si c'est comment le dériver?

9 time-series self-study data-transformation stationarity

1

En régression linéaire, pourquoi la régularisation pénalise-t-elle également les valeurs des paramètres?

J'apprends actuellement la régression des crêtes et j'étais un peu confus au sujet de la pénalisation des modèles plus complexes (ou de la définition d'un modèle plus complexe). D'après ce que je comprends, la complexité du modèle n'est pas nécessairement en corrélation avec l'ordre polynomial. Donc: 2 + 3 + …

9 regression regularization hyperparameter

2

Comment trouver la matrice de covariance d'un polygone?

Imaginez que vous ayez un polygone défini par un ensemble de coordonnées et son centre de masse est à . Vous pouvez traiter le polygone comme une distribution uniforme avec une limite polygonale. (x1,y1)...(xn,yn)(x1,y1)...(xn,yn)(x_1,y_1)...(x_n,y_n)(0,0)(0,0)(0,0) Je recherche une méthode qui trouvera la matrice de covariance d'un polygone . Je soupçonne que …

9 pca covariance-matrix polygon

2

Comment tester si

Supposons que j'ai trois groupes indépendants, avec respectivement .μ1, μ2, μ3μ1, μ2, μ3\mu_1,~ \mu_2,~\mu_3 Comment puis-je tester si ou non en utilisant des échantillons de chaque groupe?μ1<μ2<μ3μ1<μ2<μ3\mu_1 < \mu_2 <\mu_3n1, n2, n3n1, n2, n3n_1,~n_2,~n_3 Je souhaite connaître une méthodologie générale, pas un calcul détaillé. Je n'arrivais pas à comprendre comment …

9 hypothesis-testing multiple-comparisons isotonic

2

Probabilité de

Supposons que et sont des variables aléatoires géométriques indépendantes avec le paramètre . Quelle est la probabilité que ?X1X1X_1X2X2X_2pppX1≥X2X1≥X2X_1 \geq X_2 Je suis confus à propos de cette question car on ne nous dit rien sur et part leur géométrie. Ne serait-ce pas parce que et peuvent être n'importe quoi …

9 self-study random-variable geometric-distribution

3

Comment réduire les prédicteurs de la bonne façon pour un modèle de régression logistique

J'ai donc lu quelques livres (ou des parties d'entre eux) sur la modélisation (F. Harrell's "Regression Modeling Strategies" entre autres), car ma situation actuelle est que je dois faire un modèle logistique basé sur des données de réponse binaires. J'ai à la fois des données continues, catégoriques et binaires (prédicteurs) …

9 logistic predictive-models feature-selection regression-strategies

13

Si «B est plus probable étant donné A», alors «A est plus probable étant donné B»

J'essaie d'avoir une intuition plus claire derrière: "Si rend plus probable alors rend plus probable" ieUNEAABBBBBBUNEAA Soit la taille de l'espace dans lequel se trouvent et , puisn ( S)n(S)n(S)UNEAABBB Revendication: doncP( B | A ) > P( B )P(B|A)>P(B)P(B|A)>P(B)n ( A B ) / n ( A ) > …

9 probability inference conditional-probability intuition association-measure

1

Pourquoi le postérieur bayésien se concentre-t-il autour du minimiseur de divergence KL?

Considérons le bayésien . De manière asymptotique, son maximum se produit à l'estimation MLE , qui maximise simplement la probabilité .θ ∣ Xθ∣X\theta\mid Xθ^θ^\hat \thetaargminθFθ( X)argminθfθ(X)\operatorname{argmin}_\theta\, f_\theta(X) Tous ces concepts - prieurs bayésiens, maximisation de la probabilité - semblent super principes et pas du tout arbitraires. Il n'y a pas …

9 bayesian maximum-likelihood kullback-leibler

2

Pourquoi la régression logistique est-elle bien calibrée et comment ruiner sa calibration?

Dans le scikit, apprendre des documents sur l'étalonnage des probabilités, ils comparent la régression logistique avec d'autres méthodes et remarquent que la forêt aléatoire est moins bien étalonnée que la régression logistique. Pourquoi la régression logistique est-elle bien calibrée? Comment pourrait-on ruiner l'étalonnage d'une régression logistique (pas que l'on voudrait …

9 regression logistic calibration

2

Estimation de l'incertitude dans les problèmes d'inférence à haute dimension sans échantillonnage?

Je travaille sur un problème d'inférence de grande dimension (environ 2000 paramètres de modèle) pour lequel nous sommes capables d'effectuer de manière robuste une estimation MAP en trouvant le maximum global du log-postérieur en utilisant une combinaison d'optimisation basée sur un gradient et un algorithme génétique. J'aimerais beaucoup pouvoir faire …

9 bayesian uncertainty high-dimensional variational-bayes

1

Pourquoi des informations sur les données de validation ont-elles été divulguées si j'évalue les performances du modèle sur les données de validation lors du réglage des hyperparamètres?

Dans le Deep Learning de François Chollet avec Python, il est écrit: Par conséquent, le réglage de la configuration du modèle en fonction de ses performances sur l'ensemble de validation peut rapidement entraîner un surajustement de l'ensemble de validation, même si votre modèle n'est jamais directement formé sur celui-ci. La …

9 neural-networks cross-validation hyperparameter

4

Qui a raison, le statisticien ou le chirurgien?

Prenons le cas décrit ci-dessous, tiré de Peacock (1972). Ce passage semble impliquer que le jeune statisticien fait une déclaration intelligente et correcte. Mais l'est-il?

9 experiment-design clinical-trials

1

Comment les enfants parviennent-ils à rassembler leurs parents dans une projection PCA d'un ensemble de données GWAS?

Prenez 20 points aléatoires dans un espace de 10 000 dimensions avec chaque coordonnée iid de . Répartissez-les en 10 paires («couples») et ajoutez la moyenne de chaque paire («un enfant») à l'ensemble de données. Ensuite, faites PCA sur les 30 points résultants et tracez PC1 vs PC2.N(0,1)N(0,1)\mathcal N(0,1) Une …

9 pca python high-dimensional genetics gwas

4

Optimisation de la descente de gradient

J'essaie de comprendre l'optimisation de la descente de gradient dans les algorithmes ML (machine learning). Je comprends qu'il ya une fonction où le coût l'objectif est de minimiser l'erreur y - y . Dans un scénario où les poids w 1 , w 2 sont optimisés pour donner l'erreur minimale …

9 optimization gradient-descent

1

Vérifier si une pièce est juste

Un ami m'a posé la question suivante. Je n'ai pas pu l'aider mais j'espère que quelqu'un pourra me l'expliquer. Je n'ai pas pu trouver d'exemple similaire. Merci pour toute aide et explication. Q: Les résultats de 100 expériences de lancer de pièces sont enregistrés comme 0 = "Queue" et 1 …

9 probability inference bernoulli-distribution