Statistiken und Big Data

3

Item Response Theory vs. Confirmatory Factor Analysis

Ich habe mich gefragt, was die wichtigsten, bedeutungsvollen Unterschiede zwischen der Item-Response-Theorie und der Bestätigungsfaktor-Analyse sind. Ich verstehe, dass es Unterschiede in den Berechnungen gibt (der Schwerpunkt liegt eher auf Item vs. Covariances; log-linear vs. linear). Ich habe jedoch keine Ahnung, was dies aus einer übergeordneten Perspektive bedeutet. Bedeutet dies, …

14 confirmatory-factor irt

5

Gibt es ein Maß für die Gleichmäßigkeit der Ausbreitung?

Ich habe im Internet nachgeschlagen, aber nichts Hilfreiches gefunden. Ich suche im Grunde nach einer Methode, um zu messen, wie „gleichmäßig“ ein Wert verteilt ist. Wie in einer "gleichmäßig" verteilten Distribution wie X : und eine 'ungleich' verteilte Verteilung Y von ungefähr dem gleichen Mittelwert und der gleichen Standardabweichung: Aber …

14 variance standard-deviation descriptive-statistics measurement

5

Was genau sind zensierte Daten?

Ich habe verschiedene Beschreibungen von zensierten Daten gelesen: A) Wie in diesem Thread erläutert , werden nicht quantifizierte Daten unterhalb oder oberhalb eines bestimmten Schwellenwerts zensiert. Nicht quantifiziert bedeutet, dass die Daten einen bestimmten Schwellenwert überschreiten oder unterschreiten, der genaue Wert ist uns jedoch nicht bekannt. Die Daten werden dann …

14 regression terminology censoring

3

Bootstrap: das Problem der Überanpassung

Angenommen, man führt den sogenannten nichtparametrischen Bootstrap durch, indem man aus den ursprünglichen Beobachtungen jeweils Stichproben der Größe mit Ersetzung zieht . Ich glaube, dieses Verfahren entspricht der Schätzung der kumulativen Verteilungsfunktion durch das empirische cdf:BBBnnnnnn http://en.wikipedia.org/wiki/Empirical_distribution_function und dann Erhalten der Bootstrap-Abtastwerte durch Simulieren von Beobachtungen aus den geschätzten cdf …

14 bootstrap sample-size sample small-sample finite-population

1

Vertrauensbereiche für die QQ-Linie

Diese Frage bezieht sich nicht speziell auf R, aber ich habe sie gewählt, um sie Rzu veranschaulichen. Betrachten Sie den Code zum Erzeugen von Konfidenzbändern um eine (normale) qq-Linie: library(car) library(MASS) b0<-lm(deaths~.,data=road) qqPlot(b0$resid,pch=16,line="robust") Ich suche nach einer Erklärung (oder alternativ nach einem Link zu einem Papier- / Online-Dokument, das erklärt), …

14 confidence-interval linear-model qq-plot

2

k-bedeutet vs k-Median?

Ich weiß, dass es einen K-Mittelwert-Clustering-Algorithmus und einen K-Median gibt. Einer, der den Mittelwert als Mittelpunkt des Clusters verwendet, und der andere verwenden den Median. Meine Frage ist: wann / wo welche verwenden?

14 clustering k-means

4

Voreingenommenheit bei der Auswahl der Jury?

Ein Freund vertritt einen Klienten im Berufungsverfahren nach einem Strafverfahren, in dem es den Anschein hat, dass die Auswahl der Jury rassistisch voreingenommen war. Der Jurypool bestand aus 30 Personen in 4 Rassengruppen. Die Staatsanwaltschaft nutzte peremptoristische Herausforderungen, um 10 dieser Personen aus dem Pool zu entfernen. Die Anzahl der …

14 probability statistical-significance references bias combinatorics

2

Subjektivität in der Frequenzstatistik

Ich höre oft die Behauptung, dass die Bayes'schen Statistiken sehr subjektiv sein können. Das Hauptargument ist, dass die Schlussfolgerung von der Wahl eines Priores abhängt (obwohl man das Prinzip der Gleichgültigkeit oder der maximalen Entropie anwenden könnte, um einen Prior zu wählen). Im Vergleich dazu, so die Behauptung, ist die …

14 bayesian interpretation frequentist philosophical

3

Haben logistische Regressionskoeffizienten eine Bedeutung?

Ich habe ein Problem mit der binären Klassifizierung aufgrund verschiedener Merkmale. Haben die Koeffizienten einer (regularisierten) logistischen Regression eine interpretierbare Bedeutung? Ich dachte, sie könnten die Größe des Einflusses anzeigen, vorausgesetzt, die Funktionen wurden zuvor normalisiert. Bei meinem Problem scheinen die Koeffizienten jedoch empfindlich von den von mir ausgewählten Merkmalen …

14 logistic regression-coefficients

1

Konvergenzdiagnostik nach Gelman und Rubin, wie verallgemeinert man die Arbeit mit Vektoren?

Die Gelman- und Rubin-Diagnose wird verwendet, um die Konvergenz mehrerer mcmc-Ketten zu überprüfen, die parallel verlaufen. Es vergleicht die Varianz innerhalb der Kette mit der Varianz zwischen den Ketten, die Darstellung ist unten: Schritte (für jeden Parameter): Lasse m ≥ 2 Ketten mit einer Länge von 2n von überdispersen Startwerten …

14 mcmc convergence covariance-matrix

4

Bedeutet „Korrelation“ auch die Steigung in der Regressionsanalyse?

Ich lese eine Zeitung und der Autor schrieb: Die Auswirkung von A, B, C auf Y wurde mithilfe einer multiplen Regressionsanalyse untersucht. A, B, C wurden mit Y als abhängige Variable in die Regressionsgleichung eingetragen. Die Varianzanalyse ist in Tabelle 3 dargestellt. Die Wirkung von B auf Y war signifikant, …

14 regression correlation terminology

1

Wie ist Karl Pearson auf die Chi-Quadrat-Statistik gekommen?

Wie kam Pearson 1900 auf die folgenden Pearson-Chi-Quadrat-Statistiken? K=∑(Oij−Eij)2EijK=∑(Oij−Eij)2Eij K = \sum \frac{(O_{ij} -E_{ij})^2}{E_{ij}} dass K∼χ2K∼χ2 K \sim \chi^2 Hatte er Chi-Quadrat im Sinn und entwickelte die Metrik KKK (Bottom-Up-Ansatz) oder entwickelte er die Statistik und bewies später, dass sie der Chi-Quadrat-Verteilung folgt (Top-Down)? Ich möchte wissen, warum er diese …

14 chi-squared descriptive-statistics history

1

Maschinelles Lernen Klassifikatoren Big-O oder Komplexität

Um die Leistung eines neuen Klassifikator-Algorithmus zu bewerten, versuche ich, die Genauigkeit und die Komplexität (Big-O in Training und Klassifizierung) zu vergleichen. Aus dem maschinellen Lernen: Nach einer Überprüfung erhalte ich eine vollständige Liste der überwachten Klassifizierer, außerdem eine Genauigkeitstabelle zwischen den Algorithmen und 44 Testprobleme aus dem UCI-Daten-Repository . …

14 machine-learning classification multiple-comparisons algorithms time-complexity

3

Wie berechnet man die Überlappung zwischen den empirischen Wahrscheinlichkeitsdichten?

Ich suche nach einer Methode zur Berechnung der Überlappungsfläche zwischen zwei Kerndichteschätzungen in R als Maß für die Ähnlichkeit zwischen zwei Stichproben. Um dies zu verdeutlichen, müsste ich im folgenden Beispiel die Fläche des violett überlappenden Bereichs quantifizieren: library(ggplot2) set.seed(1234) d <- data.frame(variable=c(rep("a", 50), rep("b", 30)), value=c(rnorm(50), runif(30, 0, 3))) …

14 r probability pdf kernel-smoothing

3

Berechnen Sie die Kullback-Leibler-Divergenz in der Praxis?

Ich benutze KL Divergence als Maß für die Unähnlichkeit zwischen 2 p.m.f.p.m.f.p.m.f. PPP und QQQ . =-≤P(Xi)ln(Q(Xi))+≤P(Xi)ln(P(Xi))DKL(P||Q)=∑i=1Nln(PiQi)PiDKL(P||Q)=∑i=1Nln⁡(PiQi)PiD_{KL}(P||Q) = \sum_{i=1}^N \ln \left( \frac{P_i}{Q_i} \right) P_i =−∑P(Xi)ln(Q(Xi))+∑P(Xi)ln(P(Xi))=−∑P(Xi)ln(Q(Xi))+∑P(Xi)ln(P(Xi))=-\sum P(X_i)ln\left(Q(X_i)\right) + \sum P(X_i)ln\left(P(X_i)\right) Wenn ist, können wir leicht berechnen, dass P ( X i ) l n ( Q ( X i ) ) …

14 distributions distance kullback-leibler