통계 및 빅 데이터

통계, 기계 학습, 데이터 분석, 데이터 마이닝 및 데이터 시각화에 관심있는 사람들을위한 Q & A

2
summary.glm ()의 분산
나는 glm.nb를 수행했다. glm1<-glm.nb(x~factor(group)) 그룹은 범주 형이고 x는 메트릭 변수입니다. 결과 요약을 얻으려고 할 때 summary()또는 사용 여부에 따라 약간 다른 결과가 나타납니다 summary.glm. summary(glm1)나에게 준다 ... Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.1044 0.1519 0.687 0.4921 factor(gruppe)2 0.1580 0.2117 0.746 0.4555 factor(gruppe)3 0.3531 0.2085 1.693 0.0904 . …
4
모델이 auto.arima ()로 식별됩니까?
ARIMA 모델을 배우고 적용하려고 노력했습니다. 나는 일 변량 상자 -Jenkins 모델을 사용한 Pankratz- 예측 및 개념에 의해 ARIMA에 대한 훌륭한 텍스트를 읽었습니다 . 본문에서 저자는 특히 ARIMA 모델을 선택할 때 parsimony의 원칙을 강조합니다. 나는 R 패키지 예측auto.arima() 에서 기능을 가지고 놀기 시작했다 . 다음은 내가 한 일이며 ARIMA를 시뮬레이션 한 …
3
ARMA (2,1) 프로세스의 자기 공분산
ARMA (2,1) 프로세스 의 autocovariance 함수 에 대한 분석 표현식을 파생시켜야합니다 .γ(k)γ(k)\gamma\left(k\right) yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t 그래서 나는 그것을 알고 있습니다 : γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] 그래서 쓸 수 있습니다 : γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] 그런 다음 autocovariance 함수의 분석 버전을 도출하려면 정수보다 큰 모든 대해 유효한 재귀를 얻을 때까지 -0, 1, …
2
이 분산 측정 오류가있는 AR (1) 프로세스
1. 문제 변수 측정 값이 있는데 ytyty_t, 여기서 MCMC를 통해 얻은 t=1,2,..,nt=1,2,..,nt=1,2,..,n분포 를 갖는 n , nfyt(yt)fyt(yt)f_{y_t}(y_t) 을 단순화하기 위해 평균 μtμt\mu_t 및 분산 가우스라고 가정 σ2tσt2\sigma_t^2합니다. g(t)g(t)g(t) 와 같은 관측에 대한 물리적 모델이 있지만 잔차 rt=μt−g(t)rt=μt−g(t)r_t = \mu_t-g(t) 는 상관 관계가있는 것으로 보입니다. 특히, 나는 AR(1)AR(1)AR(1) 프로세스가 상관 관계를 …
2
멀티 클래스 퍼셉트론은 어떻게 작동합니까?
나는 수학에 대한 배경 지식이 없지만 간단한 Perceptron의 작동 방식을 이해하고 하이퍼 평면의 개념을 이해한다고 생각합니다 (나는 3D 공간에서 두 점 구름을 분리하는 선으로 구분되는 것처럼 기하학적으로 상상합니다) 2D 공간에서 두 점 구름). 그러나 나는 하나의 평면이나 하나의 선이 3D 공간 또는 2D 공간에서 각각 3 개의 다른 점 구름을 …
3
정규 분포 대 로그 정규 분포에서 데이터가 추출 될 가능성을 계산하는 알고리즘 필요
값 집합이 있고 가우시안 (정규) 분포에서 추출되었거나 로그 정규 분포에서 샘플링 될 가능성이 더 높은지 알고 싶습니까? 물론 이상적으로는 모집단이나 실험 오류의 원인에 대해 알고 있으므로 질문에 대답하는 데 유용한 추가 정보가 있어야합니다. 그러나 여기서는 숫자 만 있고 다른 정보는 없다고 가정합니다. 가우시안에서 샘플링하거나 로그 정규 분포에서 샘플링 할 가능성이 …
1
k- 겹 교차 검증 을 통해 최종 모델을 만들기 위해 모든
k- 겹 교차 검증을 수행 할 때 한 번에 하나를 제외한 모든 접기를 가리키고 예측 한 다음이 프로세스를 번 반복하여 정확도 메트릭을 얻는다는 것을 이해합니다 . 그런 다음 모든 인스턴스에 대해 정확도 측정 항목을 실행할 수 있습니다 (정확도, 리콜, 정확하게 분류 된 비율). 매번 계산 한 다음 결과를 평균화 한 …
4
모집단의 정량적 속성이“매개 변수”입니까?
통계와 매개 변수라는 용어의 차이점에 대해 비교적 잘 알고 있습니다. 통계를 샘플 데이터에 함수를 적용하여 얻은 값으로 봅니다. 그러나 모수의 대부분의 예는 모수 분포 정의와 관련이 있습니다. 일반적인 예는 정규 분포를 매개 변수화하는 평균 및 표준 편차 또는 선형 회귀를 매개 변수화하기위한 계수 및 오류 분산입니다. 그러나 덜 분포적인 인구 …
1
랜덤 효과 로지스틱 회귀 분석을위한 ICC 계산
로지스틱 회귀 모델을 다음과 같은 형식으로 실행하고 있습니다. lmer(response~1+(1|site), family=binomial, REML = FALSE) 일반적으로 절편 및 잔차 분산에서 ICC를 계산하지만 모형 요약에는 잔차 분산이 포함되지 않습니다. 이것을 어떻게 계산합니까?
4
두꺼운 꼬리 분포에 해당하는 상자 그림?
대략 정규 분포 된 데이터의 경우 상자 그림을 사용하면 특이 치의 존재뿐만 아니라 데이터의 중앙값과 확산을 빠르게 시각화 할 수 있습니다. 그러나 더 두꺼운 꼬리 분포의 경우 특이점이 IQR의 고정 된 요인을 벗어난 것으로 정의되기 때문에 많은 점이 특이 치로 표시되며, 이는 물론 꼬리가 두꺼운 분포에서 훨씬 더 자주 발생합니다. …
3
Fisher의 z- 변형은 언제 적절한가요?
p- 값을 사용하여 유의성에 대해 표본 상관 관계 을 테스트하려고합니다.아르 자형rr H0: ρ = 0 ,H1: ρ ≠ 0.H0:ρ=0,H1:ρ≠0.H_0: \rho = 0, \; H_1: \rho \neq 0. Fisher의 z- 변환을 사용하여 이것을 계산할 수 있음을 이해했습니다. 지o b s= n − 3−−−−−√2ln( 1 + r1 - r)zobs=n−32ln⁡(1+r1−r)z_{obs}= \displaystyle\frac{\sqrt{n-3}}{2}\ln\left(\displaystyle\frac{1+r}{1-r}\right) 에 의해 …
2
선형 대 비선형 회귀
이론적으로 지수 적으로 관련된 및 값 세트가 있습니다 .y엑스xx와이yy 와이= X비y=axby = ax^b 계수를 구하는 한 가지 방법은 양쪽에 자연 로그를 적용하고 선형 모형을 피팅하는 것입니다. > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] 이것을 얻는 또 다른 방법은 이론적 인 시작 값 세트가 주어지면 비선형 …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.