Statistiques et Big Data missing-data

1

Valeurs manquantes dans la variable de réponse dans JAGS

Gelman & Hill (2006) disent: Dans Bugs, les résultats manquants dans une régression peuvent être facilement gérés en incluant simplement le vecteur de données, les NA et tout. Les bogues modélisent explicitement la variable de résultat, et il est donc trivial d'utiliser ce modèle pour, en e ﬀ et, imputer …

10 missing-data bugs jags

4

Comment déterminer si deux corrélations sont significativement différentes?

Je veux déterminer lequel des deux ensembles de données (B1, B2) correspond le mieux (pearsons r) à un autre ensemble (A). Il manque des données dans tous les ensembles de données. Comment puis-je déterminer si la corrélation résultante est significativement différente ou non? Par exemple, 8426 valeurs sont présentes dans …

9 hypothesis-testing correlation statistical-significance missing-data

2

Schémas de pondération alternatifs pour la méta-analyse des effets aléatoires: écarts-types manquants

Je travaille sur une méta-analyse des effets aléatoires couvrant un certain nombre d'études qui ne rendent pas compte des écarts-types; toutes les études indiquent la taille de l'échantillon. Je ne pense pas qu'il soit possible d'approximer ou d'imputer les données SD manquantes. Comment pondérer une méta-analyse qui utilise des différences …

9 stata missing-data meta-analysis meta-regression

2

Intégration de variables explicatives plus détaillées dans le temps

J'essaie de comprendre comment je pourrais mieux modéliser une variable où, au fil du temps, j'ai obtenu des prédicteurs de plus en plus détaillés. Par exemple, envisagez de modéliser les taux de recouvrement des prêts en défaut. Supposons que nous ayons un ensemble de données avec 20 ans de données, …

9 regression missing-data

1

Prédiction avec randomForest (R) lorsque certaines entrées ont des valeurs manquantes (NA)

J'ai un randomForestmodèle de classification fine que j'aimerais utiliser dans une application qui prédit la classe d'un nouveau cas. Le nouveau cas a inévitablement des valeurs manquantes. Predict ne fonctionnera pas comme tel pour les AN. Comment dois-je faire alors? data(iris) # create first the new case with missing values …

9 r random-forest prediction missing-data

1

Comment comparer les événements observés aux événements attendus?

Supposons que j'ai un échantillon de fréquences de 4 événements possibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 et j'ai les probabilités attendues que mes événements se produisent: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Avec la somme des fréquences …

9 r statistical-significance chi-squared multivariate-analysis exponential joint-distribution statistical-significance self-study standard-deviation probability normal-distribution spss interpretation assumptions cox-model reporting cox-model statistical-significance reliability method-comparison classification boosting ensemble adaboost confidence-interval cross-validation prediction prediction-interval regression machine-learning svm regularization regression sampling survey probit matlab feature-selection information-theory mutual-information time-series forecasting simulation classification boosting ensemble adaboost normal-distribution multivariate-analysis covariance gini clustering text-mining distance-functions information-retrieval similarities regression logistic stata group-differences r anova confidence-interval repeated-measures r logistic lme4-nlme inference fiducial kalman-filter classification discriminant-analysis linear-algebra computing statistical-significance time-series panel-data missing-data uncertainty probability multivariate-analysis r classification spss k-means discriminant-analysis poisson-distribution average r random-forest importance probability conditional-probability distributions standard-deviation time-series machine-learning online forecasting r pca dataset data-visualization bayes distributions mathematical-statistics degrees-of-freedom

1

Régression multiple avec variable prédictive manquante

Supposons que l'on nous donne un ensemble de données de la forme et . On nous donne la tâche de prédire sur la base des valeurs de . Nous estimons deux régressions où: ( y , x 1 , x 2 , ⋯ , x n - 1 ) y …

9 regression multiple-regression missing-data multicollinearity multiple-imputation

4

Comment gérer les lacunes / NaN dans les données de séries chronologiques lors de l'utilisation de Matlab pour l'autocorrélation et les réseaux de neurones?

J'ai une série chronologique de mesures (séries de hauteurs unidimensionnelles). Au cours de la période d'observation, le processus de mesure s'est interrompu pendant quelques instants. Ainsi, les données résultantes sont un vecteur avec NaN où il y avait des lacunes dans les données. L'utilisation de MATLAB me pose un problème …

9 time-series dataset matlab autocorrelation missing-data

3

Traiter les niveaux de variables catégorielles «Ne sait pas / Refus»

Je modélise la prédiction du diabète à l'aide de la régression logistique. L'ensemble de données utilisé est le système de surveillance des facteurs de risque comportementaux (BRFSS) du Center for Disease Control (CDC). L'une des variables indépendantes est l'hypertension artérielle. Il est catégorique avec les niveaux suivants «Oui», «Non», «Ne …

9 logistic missing-data

7

Corrélation entre deux variables de taille inégale

Dans un problème sur lequel je travaille, j'ai deux variables aléatoires, X et Y. J'ai besoin de comprendre à quel point elles sont étroitement corrélées, mais elles sont de dimensions différentes. Le rang de l'espace de rangée de X est 4350, et le rang de l'espace de rangée de Y …

9 time-series correlation missing-data finance

2

Comment puis-je déterminer si un modèle de survie avec des données manquantes est approprié?

Pour simplifier un peu, j'ai environ un million d'enregistrements qui enregistrent l'heure d'entrée et de sortie des personnes dans un système s'étalant sur une dizaine d'années. Chaque enregistrement a une heure d'entrée, mais pas chaque enregistrement a une heure de sortie. La durée moyenne dans le système est d'environ 1 …

9 survival missing-data

3

Quand est-ce une bonne idée d'utiliser simplement la moyenne pour l'imputation?

Supposons que nous ayons un test d' ensemble de données : 1 8 12 14 . . 19 Le . dénote des valeurs manquantes. Quand serait-il préférable d'utiliser la moyenne des valeurs non manquantes pour imputer les valeurs manquantes plutôt que de supposer que les données proviennent d'une distribution normale?

9 missing-data

1

Analyse statistique des aigles en voie de disparition

Des aigles marqués par satellite disparaissent en Écosse, et le tableau ci-dessus montre le sort des balises par modèle de balise. Je suis particulièrement intéressé par ces étiquettes qui sont «arrêtées - pas de dysfonctionnement», car il est possible que ces oiseaux soient également tués et que les corps et …

8 statistical-significance categorical-data missing-data

2

Est-il possible de supprimer des observations manquantes?

J'ai un ensemble de données qui examine les demandes d'immigration et les acceptations de visa (octroi de visas). Les taux sont calculés pour les demandes de visa «acceptées» et «rejetées». Cependant, l'ensemble de données contient également des valeurs pour les cas fermés. Normalement, c'est lorsque l'immigrant a cessé de se …

8 missing-data

1

Dans l'analyse du score de propension, quelles sont les options pour gérer les propensions très petites ou grandes?

\newcommand{\P}{\mathbb{P}} Je m'intéresse aux données d'observation dans lesquelles l'assignation de traitement peut être extrêmement bien expliquée. Par exemple, une régression logistique de P (A=1 | X) = ( 1 + exp( - ( Xβ) ))- 1P(A=1|X)=(1+exp⁡(−(Xβ)))−1\P(A =1 |X) = (1+ \exp(-(X\beta)))^{-1} wehre UNEAA affectation de traitement et des covariables XXX …

8 missing-data causality propensity-scores survey-weights

Questions marquées «missing-data»