Un enfoque tradicional de construcción de características para la minería de texto es el enfoque de bolsa de palabras, y puede mejorarse usando tf-idf para configurar el vector de características que caracteriza un documento de texto dado. En la actualidad, estoy tratando de usar el modelo de...
¿Cuál es la relación óptima caso / control en un estudio de casos y controles? ¿Por qué la mayoría de los libros de texto o monografías sugieren que es más de 1? ¿Puede ser menos de 1 (¿cuáles son los inconvenientes?)
Tengo varias distribuciones (10 distribuciones en la figura a continuación). De hecho, estos son histogramas: hay 70 valores en el eje x que son los tamaños de algunas partículas en una solución y para cada valor de x el valor correspondiente de y es la proporción de partículas cuyo tamaño es...
¿Qué son los antecedentes jerárquicos? ¿En qué se diferencian del concepto general de
Tengo unas pocas decenas de miles de observaciones que están en una serie temporal pero agrupadas por ubicaciones. Por ejemplo: location date observationA observationB --------------------------------------- A 1-2010 22 12 A 2-2010 26 15 A 3-2010 45 16 A 4-2010 46 27 B 1-2010 167 48 B 2-2010...
Digamos que tengo una serie de series de tiempo, por ejemplo, varios registros de temperatura de varias estaciones en una región. Quiero obtener un único registro de temperatura para toda la región con el que pueda describir aspectos del clima regional. El enfoque intuitivo podría ser simplemente...
Supongamos que tenemos dos muestras y deseamos determinar si se extraen de la misma distribución, las muestras A, B están compuestas de algunos enteros, por ejemplo. Si probamos esto usando una prueba de permutación de dos muestras, específicamente al observar permutaciones donde las diferencias...
Por favor vea editar. Cuando tiene datos con colas pesadas, hacer una regresión con errores de Student-t parece algo intuitivo. Mientras exploraba esta posibilidad, me encontré con este documento: Breusch, TS, Robertson, JC y Welsh, AH (1 de noviembre de 1997). La nueva vestimenta del emperador:...
Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". Sin embargo, la salida...
¿Existen supuestos particulares con respecto a los errores para la regresión logística, como la variación constante de los términos de error y la normalidad de los residuos? También típicamente cuando tiene puntos que tienen una distancia de Cook mayor a 4 / n, ¿los elimina? Si los elimina, ¿cómo...
Pensar en la probabilidad siempre me hace darme cuenta de lo malo que soy contando ... Considere una secuencia de letras base , cada uno con la misma probabilidad de aparecer. ¿Cuál es la probabilidad de que esta secuencia contenga una secuencia particular de pares de bases de interés de longitud...
Estoy trabajando en la predicción de series de tiempo. Tengo dos conjuntos de datos y . Tengo tres modelos de predicción: . Todos esos modelos se entrenan utilizando muestras en el conjunto de datos , y su rendimiento se mide utilizando las muestras en el conjunto de datos . Digamos que las...
Si alguna vez hubo un caso en el que esto quedó claro es con el problema de Monty Hall. Incluso el gran Paul Erdos se dejó engañar por este problema. Mi pregunta que puede ser difícil de responder es de qué se trata la probabilidad de que podamos tener tanta confianza en una respuesta que obtenemos...
Puedo estar mezclando mis conceptos de series temporales y no series temporales, pero ¿cuál es la diferencia entre un modelo de regresión que exhibe correlación serial y un modelo que exhibe una raíz unitaria? Además, ¿por qué puede usar una prueba de Durbin-Watson para probar la correlación en...
Supongamos que tengo 'expertos', de la que me gustaría obtener una distribución a priori sobre alguna variable . Me gustaría motivarlos con dinero real . La idea es obtener los antecedentes, observar realizaciones de la variable aleatoria , luego repartir algún 'monedero' predeterminado entre los...
Estoy interesado en la definición de cuartil que generalmente se usa cuando estás en estadísticas básicas. Tengo un libro de tipo Stat 101 y solo da una definición intuitiva. "Aproximadamente una cuarta parte de los datos cae en o debajo del primer cuartil ..." Pero, da un ejemplo donde calcula Q1,...
Supongamos que tenemos el siguiente conjunto de datos: Men Women Dieting 10 30 Non-dieting 5 60 Si ejecuto la prueba exacta de Fisher en R, ¿qué implica alternative = greater(o menos)? Por ejemplo: mat = matrix(c(10,5,30,60), 2,2) fisher.test(mat, alternative="greater") Tengo el p-value =...
He realizado un ANOVA de medidas repetidas de tres vías; ¿Qué análisis post-hoc son válidos? Este es un diseño totalmente equilibrado (2x2x2) con uno de los factores que tiene una medida repetida dentro de los sujetos. Soy consciente de los enfoques multivariados para ANOVA de medidas repetidas en...
Hay muchos métodos para llevar a cabo la regularización - , y regularización basada norma, por ejemplo. Según Friedman Hastie & Tibsharani , el mejor regularizador depende del problema: a saber, la naturaleza de la verdadera función objetivo, la base particular utilizada, la relación señal /...
Basado únicamente en el patrón temporal de clics del mouse (una lista de tiempos de clics ), ¿es posible predecir la actividad del usuario de la computadora?[ t1, t2, t3, ... ][t1,t2,t3,…][t_1,t_2,t_3,\ldots] Por ejemplo, fuera de: trabajar vs pasar tiempo en Facebook vs mirar fotos vs jugar un...