Thống kê và dữ liệu lớn

Tôi đã tạo ra một biểu đồ cho Thời đại Bị đơn và quản lý để có được một đường cong hình chuông rất đẹp, từ đó tôi kết luận rằng sự phân phối là bình thường. Sau đó, tôi đã chạy thử nghiệm tính quy tắc trong SPSS, với …

11 normality-assumption  kolmogorov-smirnov  histogram  eda 

Nghiên cứu sự kiện là phổ biến rộng rãi trong kinh tế và tài chính để xác định ảnh hưởng của một sự kiện đối với giá cổ phiếu, nhưng chúng hầu như luôn luôn dựa trên lý luận thường xuyên. Hồi quy OLS - trong khoảng thời gian tham …

11 bayesian  econometrics  finance 

Tôi có hai bộ dữ liệu: Tập dữ liệu đầu tiên của tôi là giá trị của một khoản đầu tư (tính bằng tỷ đô la) theo thời gian, mỗi đơn vị thời gian là một phần tư kể từ Q1 năm 1947. Thời gian kéo dài đến quý 3 …

11 r  self-study  data-visualization  autocorrelation 

Tôi đang cố gắng giải bài tập sau đây nhưng tôi thực sự không biết làm thế nào để bắt đầu làm bài này. Tôi đã tìm thấy một số mã trong cuốn sách của mình trông giống như vậy nhưng đó là một bài tập hoàn toàn khác và …

11 r  monte-carlo  queueing 

Khi tôi đang đọc cuốn sách Tất cả các số liệu thống kê của Wassermann, tôi nhận thấy một sự tinh tế trong định nghĩa về giá trị p, mà tôi không thể hiểu được. Không chính thức, Wassermann định nghĩa giá trị p là [..] xác suất (dưới H0H0H_0 …

11 hypothesis-testing  chi-squared  p-value 

Tôi tưởng tượng rằng việc kiểm soát một biến trong thiết kế nghiên cứu của bạn có hiệu quả hơn trong việc giảm lỗi hơn là kiểm soát biến sau đó trong mô hình hồi quy của bạn. Ai đó có thể giải thích chính thức hai trường hợp "kiểm …

11 regression  experiment-design  controlling-for-a-variable 

Tôi đang cố gắng tự động hóa phát hiện ngoại lệ trong chuỗi thời gian và tôi đã sử dụng một sửa đổi của giải pháp được đề xuất bởi Rob Hyndman tại đây . Nói, tôi đo các lượt truy cập hàng ngày đến một trang web từ các …

11 time-series  outliers  computational-statistics 

ai đó có thể cung cấp một trực giác về lý do tại sao các khoảnh khắc phân phối xác suất cao hơn như khoảnh khắc p(x)thứ ba và thứ tư tương ứng với độ lệch và kurtosis không? cụ thể, tại sao sự sai lệch về giá trị trung …

11 mathematical-statistics  skewness  moments  intuition  kurtosis 

Vấn đề sau: Tôi muốn dự đoán một biến phản ứng phân loại với một (hoặc nhiều) biến phân loại sử dụng glmnet (). Tuy nhiên, tôi không thể hiểu ý nghĩa của glmnet đầu ra mang lại cho tôi. Ok, trước tiên hãy tạo hai biến phân loại liên …

11 categorical-data  multinomial  glmnet 

Tôi đang phát triển một ứng dụng dự báo với mục đích là cho phép nhà nhập khẩu dự báo nhu cầu cho các sản phẩm của mình từ mạng lưới nhà phân phối khách hàng. Số liệu bán hàng là một proxy khá tốt cho nhu cầu, miễn là …

11 r  regression  machine-learning  censoring 

Tại sao các trình tạo số ngẫu nhiên như runif()trong R không tạo ra kết quả giống nhau mỗi lần? Ví dụ: X <- runif(100) X đang tạo ra các đầu ra khác nhau mỗi lần. Lý do để tạo ra đầu ra khác nhau mỗi lần là gì? Những …

11 r  algorithms  random-generation  uniform 

Tôi đang cố gắng thực hiện hồi quy Lasso, có dạng sau: Thu nhỏ trong( Y - X w ) ' ( Y - X w ) + λwww(Y−Xw)′(Y−Xw)+λ|w|1(Y−Xw)′(Y−Xw)+λ|w|1(Y - Xw)'(Y - Xw) + \lambda \;|w|_1 Đưa ra một , tôi được khuyên nên tìm tối ưu với sự trợ …

11 regression  lasso  quadratic-form 

Mỗi tuyên bố tôi tìm thấy về công cụ ước tính James-Stein đều cho rằng các biến ngẫu nhiên được ước tính có cùng phương sai (và đơn vị). Nhưng tất cả các ví dụ này cũng đề cập rằng công cụ ước tính JS có thể được sử dụng …

11 estimation  shrinkage  steins-phenomenon 

Câu hỏi của tôi dựa trên câu trả lời này cho thấy lme4::lmermô hình nào tương ứng với các biện pháp lặp lại hai chiều ANOVA: require(lme4) set.seed(1234) d <- data.frame( y = rnorm(96), subject = factor(rep(1:12, 4)), a = factor(rep(1:2, each=24)), b = factor(rep(rep(1:2, each=12))), c = factor(rep(rep(1:2, each=48)))) …

11 r  anova  mixed-model  repeated-measures  lme4-nlme 

Giả sử bạn có một biến giải thích trong đó đại diện cho tọa độ đã cho. Bạn cũng có một biến trả lời . Bây giờ, chúng ta có thể kết hợp cả hai biến như:X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right)sssY=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim …

11 probability  bayesian  conditional-probability  gibbs