Suponga que tengo una variable cuya distribución está sesgada positivamente en un grado muy alto, de modo que tomar el registro no será suficiente para colocarlo dentro del rango de asimetría para una distribución normal. ¿Cuáles son mis opciones en este momento? ¿Qué puedo hacer para transformar...
Estoy tratando de entender la regresión logística de Firth (método de manejo de separación perfecta / completa o cuasi-completa en regresión logística) para poder explicarlo a otros en términos simplificados. ¿Alguien tiene una explicación tonta de qué modificación está haciendo la estimación de...
DBSCAN es el algoritmo de agrupación más citado de acuerdo con cierta literatura y puede encontrar agrupaciones de formas arbitrarias basadas en la densidad. Tiene dos parámetros eps (como radio de vecindad) y minPts (como vecinos mínimos para considerar un punto como punto central) que creo que...
Entiendo el concepto de escalar la matriz de datos para usar en un modelo de regresión lineal. Por ejemplo, en R podrías usar: scaled.data <- scale(data, scale=TRUE) Mi única pregunta es, para nuevas observaciones para las que quiero predecir los valores de salida, ¿cómo se escalan...
Aprendí que al elegir varios grupos, debe buscar un punto de codo para diferentes valores de K.He trazado los valores de withinss para valores de k del 1 al 10, pero no veo un claro codo. ¿Qué haces en un caso como
El error estándar de la expresión de intercepción ( β 0 ) en y = β 1 x + β 0 + ε está dada por S E ( β 0 ) 2 = σ 2 [ 1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilon dondeˉxes la media de
Estoy trabajando en R a través de un excelente tutorial de PCA de Lindsay I Smith y me estoy atascando en la última etapa. La secuencia de comandos R a continuación nos lleva a la etapa (en la p.19) donde los datos originales se están reconstruyendo a partir del Componente Principal (singular en...
¿Por qué la distribución geométrica y la distribución hipergeométrica se denominan "geométrica" e "hipergétrica" respectivamente? ¿Es porque sus pmfs toman alguna forma especial?
Actualmente estoy tratando de calcular el BIC para mi conjunto de datos de juguete (ofc iris (:). Quiero reproducir los resultados como se muestra aquí (Fig. 5). Ese documento también es mi fuente para las fórmulas de BIC. Tengo 2 problemas con esto: Notación: ninin_i = número de elementos en...
¿Cuáles son los métodos más avanzados en deduplicación de registros? La deduplicación también se denomina a veces: vinculación de registros, resolución de entidad, resolución de identidad, fusión / purga. Sé, por ejemplo, sobre CBLOCK [1]. Agradecería que las respuestas también incluyeran...
¿Cómo cambia el tamaño relativo del valor ap en diferentes tamaños de muestra? Como si obtuviera en para una correlación y luego en obtuviera el mismo valor p de 0.20, ¿cuál sería el tamaño relativo del valor p para la segunda prueba, en comparación con el valor p original? cuando...
No conozco ninguna distribución multimodal. ¿Por qué todas las distribuciones conocidas son unimodales? ¿Hay alguna distribución "famosa" que tenga más de un modo? Por supuesto, las mezclas de distribuciones son a menudo multimodales, pero me gustaría saber si existen distribuciones "no mixtas"...
Mientras leía sobre PCA, me encontré con la siguiente explicación: Supongamos que tenemos un conjunto de datos donde cada punto de datos representa los puntajes de un solo estudiante en una prueba de matemáticas, una prueba de física, una prueba de comprensión de lectura y una prueba de...
Soy bastante nuevo en el aprendizaje automático, las técnicas de CART y similares, y espero que mi ingenuidad no sea demasiado obvia. ¿Cómo maneja Random Forest estructuras de datos jerárquicas o de niveles múltiples (por ejemplo, cuando la interacción entre niveles es de interés)? Es decir,...
Estoy tratando de escribir mi propia función para el análisis de componentes principales, PCA (por supuesto, ya hay mucho escrito pero solo estoy interesado en implementar cosas por mí mismo). El principal problema que encontré es el paso de validación cruzada y el cálculo de la suma de cuadrados...
Si se usa una variable de factor (por ejemplo, género con los niveles M y F) en la fórmula glm, se crean variables ficticias, y se pueden encontrar en el resumen del modelo glm junto con sus coeficientes asociados (por ejemplo, genderM) Si, en lugar de confiar en R para dividir el factor de esta...
Tengo dos datos GPS de 2 horas con una frecuencia de muestreo de 1 Hz (7200 mediciones). Los datos se dan en la forma , donde es la incertidumbre de medición.(X,Xσ,Y,Yσ,Z,Zσ)(X,Xσ,Y,Yσ,Z,Zσ)(X, X_\sigma, Y, Y_\sigma, Z, Z_\sigma)NσnorteσN_\sigma Cuando tomo la media de todas las mediciones (por...
Entiendo la causalidad como se usa en microeconomía (en particular, el diseño de discontinuidad IV o regresión) y también la causalidad de Granger como se usa en la econometría de series de tiempo. ¿Cómo me relaciono uno con el otro? Por ejemplo, he visto que ambos enfoques se utilizan para datos...
Me hicieron esta pregunta con en una entrevista. ¿Hay una respuesta "correcta"?(n,k)=(400,220)(n,k)=(400,220)(n, k) = (400, 220) Suponga que los lanzamientos son iid y la probabilidad de caras es . La distribución de la cantidad de cabezas en 400 lanzamientos debe estar cerca de Normal (200, 10 ^...
De acuerdo con The SAGE Encyclopedia of Social Science Research Methods ... [a] el efecto techo ocurre cuando una medida posee un límite superior distinto para posibles respuestas y una gran concentración de participantes puntúa en o cerca de este límite. La atenuación de escala es un problema...