Statistiques et Big Data dispersion

6

Comment détecter les opinions polarisées des utilisateurs (étoiles hautes et basses)

Si j'ai un système de classement par étoiles où les utilisateurs peuvent exprimer leur préférence pour un produit ou un article, comment puis-je détecter statistiquement si les votes sont très "divisés". Cela signifie, même si la moyenne est de 3 sur 5, pour un produit donné, comment puis-je détecter s'il …

15 variance average dispersion

4

Pourquoi les mesures de dispersion sont-elles moins intuitives que la centralité?

Il semble qu'il y ait quelque chose dans notre compréhension humaine qui crée des difficultés à saisir intuitivement l'idée de variance. Dans un sens étroit, la réponse est immédiate: la quadrature nous rejette de notre compréhension réflexive. Mais, est-ce seulement la variance qui pose problème, ou est-ce l'idée de propagation …

11 variance dispersion

5

Comment mesurer la dispersion des données de fréquence des mots?

Comment puis-je quantifier la quantité de dispersion dans un vecteur de décompte de mots? Je recherche une statistique qui sera élevée pour le document A, car elle contient de nombreux mots différents qui se produisent rarement, et faible pour le document B, car elle contient un mot (ou quelques mots) …

10 variance natural-language gini dispersion bag-of-words

4

Le rôle de la variance dans le théorème central limite

J'ai lu quelque part que la raison pour laquelle nous ajustons les différences au lieu de prendre des valeurs absolues lors du calcul de la variance est que la variance définie de la manière habituelle, avec des carrés dans le proposeur, joue un rôle unique dans le théorème de la …

10 variance central-limit-theorem dispersion

2

Pourquoi les résidus de Pearson d'une régression binomiale négative sont-ils plus petits que ceux d'une régression de poisson?

J'ai ces données: set.seed(1) predictor <- rnorm(20) set.seed(1) counts <- c(sample(1:1000, 20)) df <- data.frame(counts, predictor) J'ai couru une régression de poisson poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson") Et une régression binomiale négative: require(MASS) nb_counts <- glm.nb(counts ~ predictor, data = df) Ensuite, j'ai calculé …

9 generalized-linear-model residuals negative-binomial poisson-regression dispersion

Questions marquées «dispersion»