Statistiken und Big Data

2

Warum ist Pearsons ρ nur ein erschöpfendes Assoziationsmaß, wenn die gemeinsame Verteilung multivariat normal ist?

Diese Behauptung wurde in der Antwort auf diese Frage angesprochen . Ich denke, die Warum-Frage ist so unterschiedlich, dass sie einen neuen Thread rechtfertigt. Googeln "erschöpfendes Maß an Assoziation" brachte keine Treffer, und ich bin mir nicht sicher, was dieser Ausdruck bedeutet.

16 correlation normal-distribution pearson-r multivariate-normal

3

Zweistufige Modelle: Unterschied zwischen Heckman-Modellen (zur Auswahl der Stichproben) und instrumentellen Variablen (zur Behandlung der Endogenität)

Ich versuche, mich mit dem Unterschied zwischen Stichprobenauswahl und Endogenität auseinanderzusetzen, und der Reihe nach zu erklären, wie sich Heckman-Modelle (um mit der Stichprobenauswahl umzugehen) von Regressionen instrumenteller Variablen (um mit Endogenität umzugehen) unterscheiden. Ist es richtig zu sagen, dass die Probenauswahl eine bestimmte Form der Endogenität ist, bei der …

16 instrumental-variables endogeneity 2sls heckman

2

Wie mache ich eine Prognose mit Erkennung von Ausreißern in R? - Zeitreihenanalyseverfahren und -methode

Ich verfüge über monatliche Zeitreihendaten und möchte Prognosen zur Erkennung von Ausreißern erstellen. Dies ist das Beispiel meines Datensatzes: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2006 7.55 7.63 7.62 7.50 7.47 7.53 7.55 7.47 7.65 7.72 7.78 7.81 2007 7.71 7.67 7.85 7.82 7.91 …

16 r time-series forecasting arima outliers

4

Missverständnis eines P-Wertes?

Ich habe viel darüber gelesen, wie man einen P-Wert richtig interpretiert, und nach allem, was ich gelesen habe, sagt der p-Wert NICHTS über die Wahrscheinlichkeit aus, dass die Nullhypothese wahr oder falsch ist. Beim Lesen der folgenden Anweisung: Der p - Wert repräsentiert die Wahrscheinlichkeit, einen Fehler vom Typ I …

16 hypothesis-testing p-value

1

Jenks Natural Breaks in Python: Wie finde ich die optimale Anzahl von Pausen?

Ich habe diese Python-Implementierung des Jenks Natural Breaks- Algorithmus gefunden und konnte sie auf meinem Windows 7-Computer ausführen. Es ist ziemlich schnell und es findet die Brüche in weniger Zeit, wenn man die Größe meiner Geodaten berücksichtigt. Bevor ich diesen Clustering-Algorithmus für meine Daten verwendete, verwendete ich sklearn.clustering.KMeans (hier) Algorithmus. …

16 python clustering optimization

3

Warum brauchen wir Bootstrapping?

Ich lese gerade Larry Wassermans "All of Statistics" und wundere mich über etwas, das er in dem Kapitel über das Schätzen statistischer Funktionen nichtparametrischer Modelle geschrieben hat. Er schrieb "Manchmal können wir den geschätzten Standardfehler einer statistischen Funktion durch einige Berechnungen ermitteln. In anderen Fällen ist es jedoch nicht offensichtlich, …

16 self-study estimation bootstrap standard-error

1

Metropolis-Hastings-Integration - warum funktioniert meine Strategie nicht?

Angenommen, ich habe eine Funktion , die ich integrieren möchte: Natürlich unter der Annahme, dass an den Endpunkten auf Null geht, keine Blowups, nette Funktion. Eine Möglichkeit, mit der ich herumgespielt habe, besteht darin, mit dem Metropolis-Hastings-Algorithmus eine Liste der Stichproben aus der zu proportionalen Verteilung zu , in der …

16 simulation monte-carlo metropolis-hastings numerical-integration

3

tanh vs. sigmoid im neuronalen Netz

Ich entschuldige mich im Voraus für die Tatsache, dass ich immer noch auf dem Laufenden bin. Ich versuche die Vor- und Nachteile der Verwendung von tanh (Karte -1 bis 1) vs. sigmoid (Karte 0 bis 1) für meine Neuronenaktivierungsfunktion zu verstehen. Nach meiner Lektüre klang es wie eine Kleinigkeit mit …

16 neural-networks

3

ETS () -Funktion, wie vermeide ich Prognosen, die nicht mit historischen Daten übereinstimmen?

Ich arbeite an einem Alogorithmus in R, um eine monatliche Prognoseberechnung zu automatisieren. Ich benutze unter anderem die Funktion ets () aus dem Vorhersagepaket, um die Vorhersage zu berechnen. Es funktioniert sehr gut. Leider ist das Ergebnis, das ich für einige bestimmte Zeitreihen erhalte, seltsam. Bitte finden Sie unten den …

16 r time-series forecasting exponential-smoothing

1

Sind PCA-Komponenten multivariater Gauß-Daten statistisch unabhängig?

Sind PCA-Komponenten (in der Hauptkomponentenanalyse) statistisch unabhängig, wenn unsere Daten multivariat normalverteilt sind? Wenn ja, wie kann dies nachgewiesen werden? Ich frage, weil ich diesen Beitrag gesehen habe , in dem in der oberen Antwort steht: PCA geht nicht von einer expliziten Gaußschen Annahme aus. Es werden die Eigenvektoren gefunden, …

16 pca independence svd

1

Anzahl der Merkmalskarten in neuronalen Faltungsnetzen

Beim Erlernen des neuronalen Faltungsnetzwerks habe ich Fragen zu der folgenden Abbildung. 1) C1 in Layer 1 hat 6 Feature-Maps. Bedeutet das, dass es sechs Faltungskerne gibt? Jeder Faltungskernel wird verwendet, um eine Feature-Map auf der Grundlage von Eingaben zu generieren. 2) S1 in Schicht 2 hat 6 Merkmalskarten, C2 …

16 machine-learning neural-networks deep-learning pattern-recognition conv-neural-network

2

Was ist das "partielle" in partiellen Methoden der kleinsten Quadrate?

Worauf bezieht sich der Begriff "partiell" in der Regression der kleinsten Quadrate (PLSR) oder in der Strukturgleichungsmodellierung der kleinsten Quadrate (PLS-SEM)?

16 multiple-regression least-squares terminology sem partial-least-squares

2

Warum sollte man zufälliges Vertrauen oder glaubwürdige Intervalle verwenden?

Ich habe kürzlich eine Zeitung gelesen, die Zufälligkeit in ihr Vertrauen und ihre glaubwürdigen Intervalle einbezog, und ich habe mich gefragt, ob dies Standard ist (und wenn ja, warum es eine vernünftige Sache ist, dies zu tun). Um die Notation zu setzen, nehmen wir an, dass unsere Daten und wir …

16 confidence-interval credible-interval

2

Was wäre ein Beispiel für ein wirklich einfaches Modell mit einer unlösbaren Wahrscheinlichkeit?

Die ungefähre Bayes'sche Berechnung ist eine wirklich coole Technik, um im Grunde jedes stochastische Modell anzupassen, das für Modelle gedacht ist, bei denen die Wahrscheinlichkeit schwer zu bestimmen ist (Sie können beispielsweise aus dem Modell eine Stichprobe ziehen, wenn Sie die Parameter festlegen , die Wahrscheinlichkeit jedoch nicht numerisch, algorithmisch …

16 bayesian simulation model likelihood abc

2

Durchführung einer explorativen Datenanalyse zur Auswahl eines geeigneten Algorithmus für maschinelles Lernen

Wir studieren maschinelles Lernen durch maschinelles Lernen: Eine probabilistische Perspektive (Kevin Murphy). Während der Text die theoretische Grundlage jedes Algorithmus erklärt, sagt er selten, in welchem Fall welcher Algorithmus besser ist, und wenn ja, sagt er nicht, wie man sagt, in welchem Fall ich bin. Zum Beispiel wurde mir bei …

16 machine-learning eda