Agrupar significa agrupar una variable continua en categorías discretas. Se usa particularmente en referencia a histogramas, pero también podría usarse de manera más general en el sentido de engrosamiento.
Supongamos que quiero ver si mis datos son exponenciales en función de un histograma (es decir, sesgado a la derecha). Dependiendo de cómo agrupe o agrupe los datos, puedo obtener histogramas muy diferentes. Un conjunto de histogramas hará que parezca que los datos son exponenciales. Otro...
Me pregunto cuál es el valor de tomar una variable predictora continua y dividirla (por ejemplo, en quintiles), antes de usarla en un modelo. Me parece que al agrupar la variable perdemos información. ¿Es esto solo para que podamos modelar efectos no lineales? Si mantenemos la variable...
En este comentario , Nick Cox escribió: Binning en clases es un método antiguo. Si bien los histogramas pueden ser útiles, el software estadístico moderno facilita y aconseja ajustar las distribuciones a los datos sin procesar. Binning simplemente arroja detalles que son cruciales para...
¿Cuándo debemos discretizar / bin variables / características independientes y cuándo no? Mis intentos de responder la pregunta: En general, no debemos bin, porque binning perderá información. El binning en realidad aumenta el grado de libertad del modelo, por lo que es posible causar un ajuste...
Dejando de lado el problema obvio de la baja potencia del chi-cuadrado en este tipo de circunstancias, imagine hacer una prueba de bondad de chi-cuadrado para alguna densidad con parámetros no especificados, agrupando los datos. Para concreción, digamos una distribución exponencial con media...
Digamos que tengo dos distribuciones que quiero comparar en detalle, es decir, de manera que haga que la forma, la escala y el desplazamiento sean fácilmente visibles. Una buena manera de hacerlo es trazar un histograma para cada distribución, colocarlos en la misma escala X y apilar uno debajo del...
Estoy tratando de agrupar inteligentemente una colección ordenada. Tengo una colección de piezas de datos. Pero sé que estos datos se ajustan a contenedores de tamaños desiguales. No sé cómo elegir inteligentemente los puntos finales para que se ajusten adecuadamente a los datos. por...
Estoy buscando un método de agrupamiento óptimo (discretización) de una variable continua con respecto a una variable binaria de respuesta (objetivo) dada y con un número máximo de intervalos como parámetro. ejemplo: tengo un conjunto de observaciones de personas con variables de "altura" (numeral...
Estoy tratando de entender el resultado del Teorema de Bayes aplicado al clásico ejemplo de mamografía, con un giro perfecto de la mamografía. Es decir, Incidencia de cáncer:.01.01.01 Probabilidad de una mamografía positiva, dado que la paciente tiene cáncer:111 Probabilidad de una mamografía...
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...
Quiero cuantificar la relación entre dos variables, A y B, utilizando información mutua. La forma de calcularlo es agrupando las observaciones (ver ejemplo de código Python a continuación). Sin embargo, ¿qué factores determinan qué número de contenedores es razonable? Necesito que el cálculo sea...
Así que he leído algunas publicaciones sobre por qué siempre se debe evitar el binning . Una referencia popular para esa afirmación es este enlace . La escapada principal es que los puntos de agrupamiento (o puntos de corte) son bastante arbitrarios, así como la pérdida de información resultante,...
Estoy implementando varios algoritmos para estimar el mejor número de contenedores para usar en histogramas. La mayoría de los que estoy implementando se describen en la página "Histograma" de Wikipedia en la sección " Número de contenedores y ancho " *. Estoy atrapado en un problema con la...
¿Es aceptable agrupar datos, calcular la media de los contenedores y luego derivar el coeficiente de correlación de Pearson sobre la base de estos medios? Me parece un procedimiento un tanto sospechoso porque (si considera los datos como una muestra de población) la dispersión de estas medias será...
Varias fuentes sugieren que hay muchas consecuencias negativas de la discretización (categorización) de variables continuas antes del análisis estadístico (muestra de referencias [1] - [4] a continuación). Por el contrario [5] sugiere que se sabe que algunas técnicas de aprendizaje automático...
Cuando se piensa en un histograma como una estimación de la función de densidad, ¿es razonable pensar en el tamaño del contenedor como un parámetro que restringe la estructura local de esa función? Además, ¿hay una mejor manera de articular este