Estadísticas y Big Data

Estoy redactando una revisión de la literatura sobre un problema de salud pública actual en el que los datos se confunden: ¿Cuáles son los estudios de casos históricos comunes que se utilizan en la educación de salud pública / epidemiología donde las relaciones o inferencias inválidas o confusas...

Estoy tratando de entender cómo calcular el punto de corte óptimo para una curva ROC (el valor en el que se maximizan la sensibilidad y la especificidad). Estoy usando el conjunto aSAHde datos del paquete pROC. La outcomevariable podría explicarse por dos variables independientes: s100by ndka....

A continuación se describe lo que estoy tratando de lograr, pero es posible que una declaración alternativa del problema pueda describir mi objetivo: quiero divida los siguientes números en grupos donde las variaciones de los números dentro de cada grupo no sean demasiado grandes y las...

Según Wikipedia, la distribución de probabilidad beta tiene dos parámetros de forma: αα\alpha y ββ\beta . Cuando llamo scipy.stats.beta.fit(x)a Python, donde xhay un montón de números en el rango , se devuelven 4 valores. Esto me parece extraño.[0,1][0,1][0,1] Después de buscar en Google,...

Sé que k-means generalmente se optimiza usando Maximización de Expectativas . Sin embargo, podríamos optimizar su función de pérdida de la misma manera que optimizamos cualquier otra. Encontré algunos documentos que en realidad usan el descenso de gradiente estocástico para medios k a gran escala,...

Los datos que queremos usar como variable dependiente se ven así (son datos de recuento). Tememos que, dado que tiene un componente cíclico y una estructura de tendencia, la regresión se ve sesgada de alguna manera. Usaremos una regresión binomial negativa en caso de que ayude. Los datos son un...

En un artículo encontré la fórmula para la desviación estándar de un tamaño de muestra NNN σ=R¯¯¯¯2.534σ=R¯2.534\sigma=\frac{\overline{R}}{2.534} donde R¯¯¯¯R¯\overline{R} es el rango promedio de submuestras (tamaño 666 ) de la muestra principal. ¿Cómo se calcula el número 2.5342.5342.534 ? Este...

Parece bastante común describir los valores alfa de Cronbach de la siguiente manera: α ≥ 0.9 Excelente 0.7 ≤ α <0.9 Bueno 0.6 ≤ α <0.7 Aceptable 0.5 ≤ α <0.6 Pobre α <0.5 Inaceptable ¿De dónde vienen estos valores? No puedo encontrar un artículo de investigación original que...

Me dieron datos para analizar en un estudio que analizaba los efectos de un tratamiento sobre los niveles de hierro en cuatro puntos de tiempo diferentes (antes del tratamiento, el día en que finalizó el tratamiento, 4 semanas después del tratamiento y 2-4 meses después del tratamiento). No hay...

Voy a usar el modelo ARMA-GARCH para series de tiempo financieras y me preguntaba si la serie debería ser estacionaria antes de aplicar dicho modelo. Sé que para aplicar el modelo ARMA, la serie debe ser estacionaria, sin embargo, no estoy seguro de ARMA-GARCH, ya que incluyo errores GARCH que...

¿Cuál es la complejidad asintótica del tiempo de la regresión Lasso a medida que crece el número de filas o

Como parte de una tarea universitaria, tengo que llevar a cabo el preprocesamiento de datos en un conjunto de datos sin procesar bastante grande, multivariante (> 10). No soy un estadístico en ningún sentido de la palabra, así que estoy un poco confundido sobre lo que está sucediendo. Disculpas...

Tengo algunos datos que uso sin problemas loess. Me gustaría encontrar los puntos de inflexión de la línea suavizada. es posible? Estoy seguro de que alguien ha hecho un método elegante para resolver esto ... Quiero decir ... después de todo, ¡es R! Estoy bien con cambiar la función de suavizado...

En Libre Office Calc, la rand()función está disponible, que elige un valor aleatorio entre 0 y 1 de una distribución uniforme. Estoy un poco oxidado en mi probabilidad, así que cuando vi el siguiente comportamiento, me quedé perplejo: A = Columna 200x1 de rand()^2 B = Columna 200x1 de...

Tengo dos partes de un conjunto de datos multidimensionales, llamémoslas trainy test. Y quiero construir un modelo basado en el conjunto de datos del tren y luego validarlo en el conjunto de datos de prueba. Se conoce el número de grupos. Intenté aplicar el agrupamiento k-means en R y obtuve un...

Me gustaría estimar la correlación entre: Una variable ordinal: se les pide a los sujetos que califiquen su preferencia por 6 tipos de fruta en una escala de 1 a 5 (desde muy desagradable hasta muy sabrosa). En promedio, los sujetos usan solo 3 puntos de la escala. Una variable continua: se pide...

Versión corta: estoy buscando un paquete R que pueda construir árboles de decisión, mientras que cada hoja en el árbol de decisión es un modelo de regresión lineal completo. AFAIK, la biblioteca rpartcrea árboles de decisión donde la variable dependiente es constante en cada hoja. ¿Hay otra...

Quiero desarrollar un modelo de predicción (Cox PH) para la mortalidad por todas las causas en un conjunto de datos de participantes de los cuales (casi) todos murieron al final del seguimiento (por ejemplo, 1 año). En lugar de predecir el riesgo absoluto de morir en un momento determinado, me...

Hoy me preguntaron si un valor p de 0.05 (exactamente) se considera significativo (dado alfa = 5%) o no. No sabía la respuesta y Google mostró ambas respuestas: (a) el resultado es significativo si p es inferior al 5% y (b) si p es inferior al 5% o igual al 5%. Por supuesto, ninguno de estos...

Los bosques aleatorios funcionan creando un conjunto de árboles de decisión donde cada árbol se crea utilizando una muestra de arranque de los datos de entrenamiento originales (muestra de variables de entrada y observaciones). ¿Se puede aplicar un proceso similar para la regresión lineal? Cree k...