Statistiken und Big Data r

3

Eine Brownsche Exkursion mit einer Brownschen Brücke simulieren?

Ich möchte einen Brownschen Exkursionsprozess simulieren (eine Brownsche Bewegung, die konditioniert ist, ist immer positiv, wenn 0<t<10<t<10 \lt t \lt 1 bis 000 bei t=1t=1t=1 ). Da ein Brownscher Exkursionsprozess eine Brownsche Brücke ist, die so konditioniert ist, dass sie immer positiv ist, hatte ich gehofft, die Bewegung einer Brownschen …

11 r gaussian-process brownian

2

Was sind die Unterschiede zwischen der Ridge-Regression mit Rs glmnet und Pythons Scikit-Learn?

Ich gehe den LAB-Abschnitt §6.6 über Ridge Regression / Lasso in dem Buch 'Eine Einführung in das statistische Lernen mit Anwendungen in R' von James, Witten, Hastie, Tibshirani (2013) durch. Insbesondere versuche ich, das Scikit-Learn- RidgeModell auf den ' Hitters'- Datensatz aus dem R-Paket' ISLR 'anzuwenden. Ich habe die gleichen …

11 r machine-learning scikit-learn regression

2

Voreingenommener Bootstrap: Ist es in Ordnung, das CI um die beobachtete Statistik zu zentrieren?

Dies ähnelt Bootstrap: Die Schätzung liegt außerhalb des Konfidenzintervalls Ich habe einige Daten, die die Anzahl der Genotypen in einer Population darstellen. Ich möchte die genetische Vielfalt mithilfe des Shannon-Index abschätzen und mithilfe von Bootstrapping ein Konfidenzintervall generieren. Ich habe jedoch festgestellt, dass die Schätzung über Bootstrapping tendenziell extrem voreingenommen …

11 r confidence-interval bootstrap bias diversity

2

Optimales Binning in Bezug auf eine bestimmte Antwortvariable

Ich suche nach einer optimalen Binning-Methode (Diskretisierung) einer kontinuierlichen Variablen in Bezug auf eine gegebene Antwort- (Ziel-) Binärvariable und mit einer maximalen Anzahl von Intervallen als Parameter. Beispiel: Ich habe eine Reihe von Beobachtungen von Personen mit den Variablen "height" (fortlaufende Zahl) und "has_back_pains" (binär). Ich möchte die Höhe in …

11 r dataset optimization discrete-data binning

1

Modelldesign mit gemischten Effekten und Stichprobenvariable

Ich versuche, eine Formel für ein lineares Mischeffektmodell (mit lme4) für mein experimentelles Design anzugeben , bin mir aber nicht sicher, ob ich es richtig mache. Das Design: Im Grunde messe ich einen Antwortparameter an Pflanzen. Ich habe 4 Behandlungsstufen und 2 Bewässerungsstufen. Die Pflanzen sind in 16 Parzellen gruppiert, …

11 r experiment-design mixed-model

1

Testen Sie das GLM-Modell mit Null und Modellabweichungen

Ich habe ein glm-Modell in R erstellt und es mithilfe einer Test- und Trainingsgruppe getestet. Ich bin daher zuversichtlich, dass es gut funktioniert. Die Ergebnisse von R sind: Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -2.781e+00 1.677e-02 -165.789 < 2e-16 *** Coeff_A 1.663e-05 5.438e-06 3.059 0.00222 ** log(Coeff_B) 8.925e-01 …

11 r generalized-linear-model chi-squared

1

Wie interpretiere ich die Lavaan-Ausgabe?

Ich versuche eine Bestätigungsfaktoranalyse (CFA) mit lavaan. Es fällt mir schwer, die Ausgabe von zu interpretieren lavaan. Ich habe ein einfaches Modell - 4 Faktoren, die jeweils durch Elemente aus gesammelten Umfragedaten unterstützt werden. Die Faktoren stimmen mit dem überein, was von den Elementen gemessen wird, sofern es wahrscheinlich ist, …

11 r sem confirmatory-factor lavaan

2

Wann unterscheiden sich die durch logistische und logitlineare Regression geschätzten Koeffizienten?

Bei der Modellierung kontinuierlicher Proportionen (z. B. proportionale Vegetationsbedeckung bei Erhebungsquadraten oder Anteil der Zeit, die an einer Aktivität beteiligt ist) wird die logistische Regression als unangemessen angesehen (z. B. Warton & Hui (2011). Der Arkussinus ist asinin: die Analyse der Proportionen in der Ökologie ). Vielmehr ist eine OLS-Regression …

11 r regression logistic

1

R - Lasso-Regression - unterschiedliche Lambda pro Regressor

Ich möchte Folgendes tun: 1) OLS-Regression (kein Bestrafungsterm), um Beta-Koeffizienten ; steht für die zur Regression verwendeten Variablen. Ich mache das durch jb∗jbj∗b_{j}^{*}jjj lm.model = lm(y~ 0 + x) betas = coefficients(lm.model) 2) Lasso-Regression mit einem Bestrafungsbegriff, die Auswahlkriterien sind die Bayesian Information Criteria (BIC), angegeben durch λj=log(T)T|b∗j|λj=log⁡(T)T|bj∗|\lambda _{j} = …

11 r regression glmnet lars

1

Binomial glmm mit einer kategorialen Variablen mit vollem Erfolg

Ich führe ein glmm mit einer binomialen Antwortvariablen und einem kategorialen Prädiktor aus. Der zufällige Effekt ergibt sich aus dem verschachtelten Design, das für die Datenerfassung verwendet wird. Die Daten sehen folgendermaßen aus: m.gen1$treatment [1] sucrose control protein control no_injection ..... Levels: no_injection control sucrose protein m.gen1$emergence [1] 1 0 …

11 r generalized-linear-model lme4-nlme separation

2

Algorithmen für maschinelles Lernen für Paneldaten

In dieser Frage - Gibt es eine Methode zum Erstellen von Entscheidungsbäumen, die strukturierte / hierarchische / mehrstufige Prädiktoren berücksichtigt? - Sie erwähnen eine Paneldatenmethode für Bäume. Gibt es spezielle Paneldatenmethoden zur Unterstützung von Vektormaschinen und neuronalen Netzen? Wenn ja, können Sie einige Artikel zu den Algorithmen und (falls verfügbar) …

11 r machine-learning svm panel-data cart

1

Was sagt mir mein ACF-Diagramm über meine Daten?

Ich habe zwei Datensätze: Mein erster Datensatz ist der Wert einer Investition (in Milliarden Dollar) gegenüber der Zeit, wobei jede Zeiteinheit seit dem ersten Quartal 1947 ein Viertel beträgt. Die Zeit erstreckt sich bis zum dritten Quartal 2002. Mein zweiter Datensatz ist "das Ergebnis der Umwandlung der Werte der Investition …

11 r self-study data-visualization autocorrelation

1

Monte-Carlo-Simulation in R.

Ich versuche, die folgende Übung zu lösen, habe aber keine Ahnung, wie ich damit anfangen soll. Ich habe in meinem Buch einen Code gefunden, der so aussieht, aber es ist eine völlig andere Übung, und ich weiß nicht, wie ich sie miteinander in Beziehung setzen soll. Wie kann ich mit …

11 r monte-carlo queueing

2

Warum generiert runif nicht jedes Mal das gleiche Ergebnis?

Warum runif()generieren Zufallszahlengeneratoren wie in R nicht jedes Mal das gleiche Ergebnis? Beispielsweise: X <- runif(100) X generiert jedes Mal unterschiedliche Ausgänge. Was ist der Grund dafür, jedes Mal unterschiedliche Ausgaben zu generieren? Welche Funktionen hat es im Hintergrund, um dies zu tun?

11 r algorithms random-generation uniform

1

Verwendung von Standardwerkzeugen für maschinelles Lernen für linkszensierte Daten

Ich entwickle eine Prognoseanwendung, deren Zweck es einem Importeur ist, die Nachfrage nach seinen Produkten über sein Kundennetzwerk von Händlern zu prognostizieren. Die Verkaufszahlen sind ein ziemlich guter Indikator für die Nachfrage, solange genügend Lagerbestände vorhanden sind, um die Nachfrage zu befriedigen. Wenn der Lagerbestand jedoch auf Null gesenkt wird …

11 r regression machine-learning censoring

Als «r» getaggte Fragen