Soy nuevo en estadísticas y actualmente trato con ANOVA. Realizo una prueba ANOVA en R usando aov(dependendVar ~ IndependendVar) Obtengo, entre otros, un valor F y un valor p. Mi hipótesis nula ( ) es que todas las medias grupales son iguales.H0 0H0 0H_0 Hay mucha información disponible sobre...
He estado jugando con bosques aleatorios para la regresión y tengo dificultades para determinar exactamente qué significan las dos medidas de importancia y cómo deben interpretarse. La importance()función proporciona dos valores para cada variable: %IncMSEy IncNodePurity. ¿Hay interpretaciones...
Me estoy mojando los pies en las estadísticas, así que lamento si esta pregunta no tiene sentido. He utilizado modelos de Markov para predecir estados ocultos (casinos injustos, tiradas de dados, etc.) y redes neuronales para estudiar los clics de los usuarios en un motor de búsqueda. Ambos tenían...
Tengo que encontrar un IC del 95% en la mediana y otros percentiles. No sé cómo abordar esto. Principalmente uso R como herramienta de
¿Alguien sabe cómo resolver si los puntos 7, 16 y 29 son puntos influyentes o no? Leí en alguna parte que debido a que la distancia de Cook es inferior a 1, no lo son. Estoy bien?
Sigo leyendo sobre instancias en las que centramos los datos (por ejemplo, con regularización o PCA) para eliminar la intercepción (como se menciona en esta pregunta ). Sé que es simple, pero me está costando entender esto intuitivamente. ¿Podría alguien proporcionarme la intuición o una referencia...
"Big data" está en todas partes en los medios. Todos dicen que "big data" es lo más importante para 2012, por ejemplo, la encuesta de KDNuggets sobre temas candentes para 2012 . Sin embargo, tengo profundas preocupaciones aquí. Con Big Data, todo el mundo parece estar feliz de sacar algo . Pero,...
Estoy interesado en determinar la cantidad de patrones significativos que surgen de un Análisis de Componentes Principales (PCA) o un Análisis de Función Ortogonal Empírica (EOF). Estoy particularmente interesado en aplicar este método a los datos climáticos. El campo de datos es una matriz MxN con...
Me gustaría encontrar predictores para una variable dependiente continua de un conjunto de 30 variables independientes. Estoy usando la regresión Lasso como se implementa en el paquete glmnet en R. Aquí hay un código ficticio: # generate a dummy dataset with 30 predictors (10 useful & 20...
Hay un montón de libros de ciencia popular muy buenos, que tratan sobre ciencia real, así como la historia y las razones detrás de las teorías actuales, sin dejar de ser extremadamente agradable de leer. Por ejemplo, "Caos" de James Gleick (caos, fractales, no linealidad), "Una breve historia del...
Leí algunas definiciones de memoria y precisión, aunque siempre es en el contexto de la recuperación de información. Me preguntaba si alguien podría explicar esto un poco más en un contexto de clasificación y tal vez ilustrar algunos ejemplos. Digamos, por ejemplo, que tengo un clasificador binario...
¿Qué es una variable supresora en regresión múltiple y cuáles podrían ser las formas de mostrar visualmente el efecto de supresión (su mecánica o su evidencia en los resultados)? Me gustaría invitar a todos los que tengan un pensamiento, para
Tengo datos que muestran los resultados del examen de ingreso de bomberos. Estoy probando la hipótesis de que los resultados del examen y el origen étnico no son mutuamente independientes. Para probar esto, realicé una prueba de chi-cuadrado de Pearson en R. Los resultados muestran lo que esperaba,...
Digamos que tengo dos matrices unidimensionales, y . Cada uno contiene 100 puntos de datos. son los datos reales, y es la predicción del modelo. En este caso, el valor sería: Mientras tanto, esto sería igual al valor cuadrado del coeficiente de correlación, Ahora si cambio los dos: son los datos...
En el análisis de datos bayesianos, los parámetros se tratan como variables aleatorias. Esto se deriva de la conceptualización subjetiva bayesiana de la probabilidad. Pero, ¿reconocen teóricamente los bayesianos que hay un verdadero valor de parámetro fijo en el "mundo real"? Parece que la...
Me pregunto si alguien conoce alguna regla general con respecto al número de muestras de bootstrap que uno debe usar, en función de las características de los datos (número de observaciones, etc.) y / o las variables
En una distribución normal, la regla 68-95-99.7 imparte mucho significado a la desviación estándar, pero ¿qué significaría la desviación estándar en una distribución no normal (multimodal o sesgada)? ¿Todos los valores de datos seguirían dentro de 3 desviaciones estándar? ¿Tenemos reglas como la...
¿Cuál sería el enfoque para usar Dynamic Time Warping (DTW) para realizar la agrupación de series de tiempo? He leído sobre DTW como una forma de encontrar similitudes entre dos series de tiempo, mientras que podrían cambiarse en el tiempo. ¿Puedo usar este método como una medida de similitud para...
Entonces esta es una pregunta muy simple y estúpida. Sin embargo, cuando estaba en la escuela, presté muy poca atención al concepto completo de simulaciones en clase y eso me dejó un poco aterrorizado de ese proceso. ¿Puedes explicar el proceso de simulación en términos simples? (podría ser para...
¿Por qué la función sigmoide estándar de facto, , es tan popular en las redes neuronales (no profundas) y la regresión logística?11+e−x11+e−x\frac{1}{1+e^{-x}} ¿Por qué no utilizamos muchas de las otras funciones derivables, con un tiempo de cálculo más rápido o una disminución más lenta (por lo...