Supongamos que normalmente tengo datos distribuidos. Para cada elemento de los datos, quiero verificar cuántas SD está lejos de la media. Puede haber un valor atípico en los datos (probablemente solo uno, pero también puede ser dos o tres) o no, pero este valor atípico es básicamente lo que estoy...
De acuerdo con este artículo de Wikipedia , uno puede representar el producto de las probabilidades x⋅ycomo -log(x) - log(y)hacer que el cálculo sea más computacionalmente óptimo. Pero si intento un ejemplo, diga: p1 = 0.5 p2 = 0.5 p1 * p2 = 0.25 -log(p1) - log(p2) = 2 p3 = 0.1 p4 = 0.1 p3 * p4 =...
Tengo un modelo de dataset de Películas y usé la regresión: model <- lm(imdbVotes ~ imdbRating + tomatoRating + tomatoUserReviews+ I(genre1 ** 3.0) +I(genre2 ** 2.0)+I(genre3 ** 1.0), data = movies) library(ggplot2) res <- qplot(fitted(model), resid(model)) res+geom_hline(yintercept=0) Lo...
Me he dado cuenta de que muchos paquetes y temas de trama "de vanguardia" y mucha gente de datos distinguidos usan un fondo gris para sus tramas. Aquí hay varios ejemplos: ggplot2: Fivethirtyeight.com de Nate Silver: Mientras que en el primer ejemplo anterior (ggplot2), se puede argumentar...
He estado utilizando la validación cruzada repetida de k veces y he estado informando la media (de la métrica de evaluación, por ejemplo, sensibilidad, especificidad) calculada como la gran media en los pliegues de diferentes corridas de la validación cruzada. Sin embargo, no estoy seguro de cómo...
Estaba leyendo la siguiente justificación (de las notas del curso cs229) sobre por qué dividimos los datos sin procesar por su desviación estándar: Aunque entiendo lo que dice la explicación, no me queda claro por qué dividir por la desviación estándar alcanzaría tal objetivo. Dice para que...
¿Por qué las "series temporales" se llaman así? Serie significa suma de una secuencia. ¿Por qué es una serie temporal, no una secuencia temporal? ¿Es el tiempo la variable
Siempre me han dicho que un CDF es único, sin embargo, un PDF / PMF no es único, ¿por qué es eso? ¿Puedes dar un ejemplo donde un PDF / PMF no es
He trabajado bajo la creencia de que la mediana muestral es una medida más robusta de tendencia central que la media muestral, ya que ignora los valores atípicos. Por lo tanto, me sorprendió saber (en la respuesta a otra pregunta ) que para las muestras extraídas de una distribución normal, la...
Hace unos días, un psicólogo-investigador mío me contó sobre su método para seleccionar variables al modelo de regresión lineal. Supongo que no es bueno, pero necesito pedirle a alguien más que se asegure. El metodo es: Observe la matriz de correlación entre todas las variables (incluida la...
Estoy volviendo a publicar una "respuesta" a una pregunta que hice hace unas dos semanas aquí: ¿Por qué es útil el Jeffreys anterior? Sin embargo, realmente era una pregunta (y tampoco tenía derecho a publicar comentarios en ese momento), así que espero que esté bien hacer esto: En el enlace...
Soy nuevo en las redes neuronales recurrentes (RNN) y sigo aprendiendo los conceptos. Entiendo en un nivel abstracto que una Red de estado de eco (ESN) puede (re) producir una secuencia de entradas, es decir, una señal, incluso después de que la entrada se haya eliminado. Sin embargo, el artículo...
He (aproximadamente) escuchado que: El ensacado es una técnica para reducir la varianza de un algoritmo de predicción / estimador / aprendizaje. Sin embargo, nunca he visto una prueba matemática formal de esta afirmación. ¿Alguien sabe por qué esto es matemáticamente cierto? Simplemente parece...
Tengo algunos datos que ajusté usando un modelo LOESS en R, dándome esto: Los datos tienen un predictor y una respuesta, y es heteroscedastic. También agregué intervalos de confianza. El problema es que los intervalos son intervalos de confianza para la línea, mientras que estoy interesado en...
Encontré esta implementación de Python del algoritmo Jenks Natural Breaks y pude hacer que se ejecute en mi máquina con Windows 7. Es bastante rápido y encuentra los descansos en poco tiempo, considerando el tamaño de mis geodatos. Antes de usar este algoritmo de agrupamiento para mis datos, estaba...
Tengo cuatro variables independientes uniformemente distribuidas a,b,c,da,b,c,da,b,c,d , cada una en [0,1][0,1][0,1] . Quiero calcular la distribución de (a−d)2+4bc(a−d)2+4bc(a-d)^2+4bc . Calculé la distribución de u2=4bcu2=4bcu_2=4bc para ser
Dibuje aleatoriamente nnn intervalos de , donde cada punto final A, B se selecciona de la distribución uniforme entre .[0,1][0,1][0,1][0,1][0,1][0,1] ¿Cuál es la probabilidad de que al menos un intervalo se superponga con todos los
Se me pide que encuentre los valores p para estadísticas descriptivas. Sin embargo, entiendo que los valores p son para estadísticas de prueba. Si no me equivoco, un valor p es la probabilidad de observar un valor tan extremo como el estadístico de prueba si la hipótesis nula fuera cierta....
¿Alguien puede explicarme las diferencias reales entre el análisis de regresión y el ajuste de curvas (lineal y no lineal), con un ejemplo si es posible? Parece que ambos intentan encontrar una relación entre dos variables (dependiente frente a independiente) y luego determinan el parámetro (o...
Escuché que bajo la hipótesis nula, la distribución del valor p debería ser uniforme. Sin embargo, las simulaciones de la prueba binomial en MATLAB devuelven distribuciones muy diferentes de las uniformes con una media mayor que 0.5 (0.518 en este caso): coin = [0 1]; success_vec =...