คำถามติดแท็ก references

ความแตกต่างระหว่างเครือข่ายแบบเบย์และกระบวนการมาร์คอฟคืออะไร? ฉันเชื่อว่าฉันเข้าใจหลักการของทั้งสอง แต่ตอนนี้เมื่อฉันต้องการเปรียบเทียบทั้งสองที่ฉันรู้สึกว่าหายไป พวกเขามีความหมายเหมือนกันกับฉัน แน่นอนพวกเขาไม่ใช่ ลิงค์ไปยังแหล่งข้อมูลอื่น ๆ ก็ชื่นชม

28 bayesian  references  modeling  markov-process  bayesian-network 

ฉันเป็นนักเรียนที่จบการศึกษาที่สนใจเรื่องสถิติ ฉันชอบเนื้อหาที่มากเกินไป แต่บางครั้งฉันก็รู้สึกลำบากกับการใช้งานกับชีวิตจริง โดยเฉพาะคำถามของฉันเกี่ยวกับการแจกแจงเชิงสถิติที่ใช้กันทั่วไป (ปกติ - เบต้า - แกมม่า ฯลฯ ) ฉันเดาว่าในบางกรณีฉันได้รับคุณสมบัติเฉพาะที่ทำให้การแจกแจงค่อนข้างดี - ตัวอย่างเช่นคุณสมบัติไร้ความจำของเลขชี้กำลัง แต่สำหรับอีกหลายกรณีฉันไม่ได้มีสัญชาตญาณเกี่ยวกับความสำคัญและพื้นที่การใช้งานของการแจกแจงทั่วไปที่เราเห็นในตำราเรียน อาจมีแหล่งข้อมูลที่ดีมากมายที่จัดการกับข้อกังวลของฉันฉันจะดีใจถ้าคุณสามารถแบ่งปันสิ่งเหล่านั้น ฉันจะมีแรงจูงใจมากขึ้นในเนื้อหาถ้าฉันสามารถเชื่อมโยงกับตัวอย่างในชีวิตจริง

28 normal-distribution  references  gamma-distribution  beta-distribution  application 

ฉันสนใจในสถิติ แต่ฉันต้องยอมรับว่ามันใช้เวลานานแล้วตั้งแต่ฉันใช้คณิตศาสตร์อย่างจริงจัง บางครั้งฉันเข้าใจความหมายของสมการ แต่บางครั้งฉันไม่สามารถทำตามได้ ผมชอบคำตอบให้ที่นี่ที่ใช้ภาพที่มีลูกศร: ความเข้าใจแนวคิดของรากคลาดเคลื่อนกำลังสองเฉลี่ยและค่าเบี่ยงเบนอคติเฉลี่ย คุณมีคำแนะนำเกี่ยวกับหนังสือสถิติที่จริงจังเกี่ยวกับการสร้างแบบจำลอง PCA การจำลอง ฯลฯ ที่ใช้ตัวเลขมากกว่าสมการหรือไม่ ฉันหวังว่าจะมีอะไรบางอย่างเหมือนหนังสือ 'สถิติสำหรับหุ่น' หนังสือที่จะทำให้ทุกคนสามารถเข้าถึงสถิติได้หรือไม่

28 references 

ผมทำงานกับสองการแจกแจงปรกติอิสระและYมีวิธี\ mu_xและ\ mu_yและความแปรปรวน\ ^ ซิก 2_xและ\ ^ ซิก 2_yY μ x μ y σ 2 x σ 2 yXXXYYYμxμx\mu_xμyμy\mu_yσ2xσx2\sigma^2_xσ2yσy2\sigma^2_y ฉันสนใจในการกระจายของอัตราส่วนของพวกเขาZ=X/YZ=X/YZ=X/Y Y ทั้งXXXหรือYYYมีค่าเฉลี่ยอยู่ที่ศูนย์ดังนั้นZZZไม่ได้กระจายเป็น Cauchy ฉันต้องการหา CDF ของZZZ , และจากนั้นใช้อนุพันธ์ของ CDF ด้วยความเคารพμxμx\mu_x , μyμy\mu_y , σ2xσx2\sigma^2_xและ\σ2yσy2\sigma^2_y ใครบ้างที่รู้กระดาษที่คำนวณเหล่านี้แล้ว? หรือจะทำสิ่งนี้ด้วยตัวเองได้อย่างไร? ฉันค้นพบสูตรสำหรับ CDF ในเอกสารปี 1969แต่การจดอนุพันธ์เหล่านี้จะเป็นความเจ็บปวดอย่างมาก อาจมีบางคนทำไปแล้วหรือรู้วิธีที่จะทำได้ง่าย ๆ ? ฉันต้องการทราบสัญญาณของตราสารอนุพันธ์เป็นส่วนใหญ่ กระดาษนี้ยังมีการประมาณที่ง่ายขึ้นในการวิเคราะห์ถ้าYYYเป็นบวกส่วนใหญ่ ฉันไม่มีข้อ จำกัด อย่างไรก็ตามการประมาณอาจมีสัญลักษณ์เดียวกับอนุพันธ์ที่แท้จริงแม้จะอยู่นอกช่วงพารามิเตอร์

28 distributions  normal-distribution  references  mathematical-statistics  cdf 

มีคำถามที่มีเจตนาคล้ายกันในโปรแกรมเมอร์คือ. คำถามนั้นมีคำตอบที่ดี แต่ชุดรูปแบบทั่วไปดูเหมือนว่าจะไม่มีการศึกษาด้วยตนเองคุณจะไม่ไปไหน เห็นได้ชัดว่ามีความแตกต่างที่สำคัญระหว่างการเขียนโปรแกรมและสถิติ - ด้วยการเขียนโปรแกรมคุณเพียงแค่เรียนรู้ตรรกะพื้นฐานบางอย่างแล้วใช้มันซ้ำ ๆ ภาษาใหม่ทั้งหมดใช้แนวคิดพื้นฐานเดียวกัน การศึกษาด้วยตนเองช่วยให้คุณเรียนรู้แนวคิดขั้นสูงมากขึ้นและมีประสิทธิภาพมากขึ้น สิ่งประเภทนี้ค่อนข้างยากที่จะสอน สถิติค่อนข้างแตกต่างกัน มันง่ายที่จะใช้ตรรกะที่เกี่ยวข้อง - เพราะคนอื่นมักจะวางวิธีการ อันที่จริงวิธีการมักจะเป็นสิ่งที่สอนในมหาวิทยาลัยส่วนใหญ่ แต่สถิตินั้นลึกกว่านั้นมากและเกี่ยวข้องกับแนวคิดระดับสูงจริงๆ มันยากที่จะมองหาแนวคิดเหล่านั้นถ้าสิ่งที่คุณได้รับการสอนคือสถิติประยุกต์ให้เข้าใจ แต่เพียงอย่างเดียว (แม้ว่าฉันจะสงสัยว่ามันอาจเกิดจากศัพท์แสงในสนาม) นอกจากนี้ฉันพบว่าการเรียนรู้ด้วยตนเองในการเขียนโปรแกรมเกี่ยวข้องกับการอ่านบทความสั้น ๆ / บล็อกจำนวนมากเพื่อแนะนำตัวคุณเองกับแนวคิดใหม่ในขณะที่บทความเกี่ยวกับสถิติที่เข้าถึงได้นั้นมักจะมุ่งไปที่ผู้เริ่มต้นโดยรวม ตนเอง ดังนั้นคำถามคือ: การศึกษาด้วยตนเองมีความเหมาะสมมากกว่าหรือน้อยกว่าการศึกษาในมหาวิทยาลัยสำหรับสถิติหรือไม่ มีวิธีการอะไรบ้างในการเรียนรู้ด้วยตนเอง ตัวอย่างใด ๆ ของสิ่งที่ได้ผลกับคนก่อนจะได้รับการต้อนรับ (นี่น่าจะเป็นวิกิชุมชน แต่ฉันไม่เห็นช่องทำเครื่องหมาย)

28 self-study  references  teaching 

ฉันเพิ่งอ่านบทความนี้ซึ่งอธิบายถึงวิธีการคำนวณความสามารถในการทำซ้ำ (ความน่าเชื่อถือหรือความสัมพันธ์ภายในอินทราเน็ต) ของการวัดผ่านการสร้างแบบจำลองเอฟเฟกต์ผสม รหัส R จะเป็น: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) #compute n0, the repeatability adjustment n = as.data.frame(table(my_data$unit)) k = nrow(n) N = sum(n$Freq) n0 = (N-(sum(n$Freq^2)/N))/(k-1) #compute …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

มีบทความอะไรบ้างที่อธิบายการใช้งานสถิติที่จะสนุกและให้ข้อมูลในการอ่าน? เพื่อความชัดเจนฉันไม่ได้มองหาเอกสารที่อธิบายวิธีการทางสถิติแบบใหม่ (เช่นบทความเกี่ยวกับการถดถอยมุมน้อย) แต่เป็นเอกสารที่อธิบายถึงวิธีการแก้ปัญหาในโลกแห่งความเป็นจริง ตัวอย่างเช่นกระดาษหนึ่งแผ่นที่เหมาะกับสิ่งที่ฉันกำลังมองหาคือกระดาษสภาพภูมิอากาศจากชมรมวารสารที่ผ่านการตรวจสอบข้ามฉบับที่สอง ฉันกำลังมองหาเอกสารสถิติ - ish เพิ่มเติมมากกว่าเอกสารการเรียนรู้ด้วยเครื่อง แต่ฉันคิดว่ามันเป็นความแตกต่างที่คลุมเครือ (ฉันจะจัดประเภทเอกสาร Netflix Prize เป็นแนวเขตบิตและกระดาษในการวิเคราะห์ความเชื่อมั่นเป็นบางสิ่ง ฉันไม่ได้มองหา) ฉันถามเพราะแอปพลิเคชันสถิติส่วนใหญ่ที่ฉันเห็นเป็นตัวอย่างเล็ก ๆ น้อย ๆ ที่คุณเห็นในตำราเรียนหรือสิ่งต่าง ๆ ที่เกี่ยวข้องกับงานของฉันเองดังนั้นฉันจึงต้องการแยกสาขาออกเล็กน้อย

28 references  application 

คำแนะนำใด ๆ สำหรับแหล่งข้อมูลที่ดีในการเรียนรู้วิธีการ MCMC

28 references  mcmc 

มีการร้องขอสำหรับวิดีโอสถิติทางคณิตศาสตร์แล้ว แต่มันถูกถามอย่างชัดเจนจากผู้คนสำหรับ วิดีโอที่ให้การนำเสนอทางคณิตศาสตร์อย่างเข้มงวดของสถิติ เช่นวิดีโอที่อาจมาพร้อมกับหลักสูตรที่ใช้ตำราเรียนที่กล่าวถึงในการอภิปรายใน ... ดังนั้นในเวลาเดียวกันฉันก็สงสัยว่าคุณมีคำแนะนำอะไรสำหรับหลักสูตรสเตท / prob - 101 - วิดีโอ?

28 references 

จากหนังสือของ David Salsburg The Lady tasting tea : แม้ว่าผู้อ่านอาจไม่เชื่อก็ตาม แต่รูปแบบวรรณกรรมมีบทบาทสำคัญในการวิจัยทางคณิตศาสตร์ ผู้เขียนทางคณิตศาสตร์บางคนดูเหมือนจะไม่สามารถผลิตบทความที่เข้าใจง่าย คนอื่น ๆ ดูเหมือนจะมีความสุขที่ผิดปกติจากการสร้างสัญกรณ์สัญลักษณ์หลายบรรทัดดังนั้นเต็มไปด้วยรายละเอียดที่ความคิดทั่วไปหายไปใน Picayune แต่ผู้เขียนบางคนมีความสามารถในการแสดงความคิดที่ซับซ้อนด้วยพลังและความเรียบง่ายที่การพัฒนาดูเหมือนจะชัดเจนในการแสดงออกของพวกเขา เมื่อตรวจสอบสิ่งที่ได้เรียนรู้แล้วผู้อ่านจะตระหนักถึงพลังอันยิ่งใหญ่ของผลลัพธ์ ผู้เขียนคนนี้คือ Jerzy Neyman มันเป็นความสุขที่ได้อ่านเอกสารของเขา ความคิดมีวิวัฒนาการตามธรรมชาติ, โน้ตคือเรียบง่ายและข้อสรุปที่ดูเหมือนจะเป็นธรรมชาติที่คุณพบว่ามันยากที่จะเห็นว่าทำไมไม่มีใครผลิตผลลัพธ์เหล่านี้นานก่อนที่จะ อะไรคือตัวอย่างเฉพาะอื่น ๆ ของเอกสารที่เขียนเป็นอย่างดีเกี่ยวกับสถิติหรือการเรียนรู้ของเครื่อง แนวคิดคือมีรายการเอกสาร "นี่คือวิธีที่คุณควรเขียน" กรุณาพยายามที่จะให้: การอ้างอิงบรรณานุกรมแบบเต็มเช่น: Carl E. Rasmussen " แบบจำลองอนันต์ผสมแบบเกาส์ " ในความก้าวหน้าในระบบประมวลผลข้อมูลเกี่ยวกับประสาท 12 ฉบับที่ 5 12 (2000) ในกรณีที่มีลิงก์ให้ไปยังที่เก็บข้อมูลสาธารณะที่เข้าถึงได้ (เช่นhttp://arxiv.org/ ) บทวิจารณ์สั้น ๆ ที่ไม่เป็นทางการและเข้าใจได้ง่ายเกี่ยวกับกระดาษที่เกี่ยวกับอะไรและทำไมมันจึงเป็นตัวอย่างของกระดาษที่เขียนได้ดีที่สุด

28 references  communication 

ฉันไม่เคยมีโอกาสไปเยี่ยมชมหลักสูตรสถิติจากคณะคณิตศาสตร์ ฉันกำลังมองหาทฤษฎีความน่าจะเป็นและหนังสือสถิติที่สมบูรณ์และพึ่งพาตนเองได้ โดยสมบูรณ์ฉันหมายความว่ามันมีการพิสูจน์ทั้งหมดและไม่เพียง แต่ระบุผลลัพธ์ พอเพียงฉันหมายความว่าฉันไม่จำเป็นต้องอ่านหนังสือเล่มอื่นเพื่อให้สามารถเข้าใจหนังสือเล่มนี้ได้ แน่นอนว่ามันต้องมีระดับวิทยาลัย (นักเรียนคณิตศาสตร์) แคลคูลัสและพีชคณิตเชิงเส้น ฉันดูหนังสือหลายเล่มและฉันไม่ชอบเลย DeGroot & Schervish (2011) ความน่าจะเป็นและสถิติ (รุ่นที่ 4) Pearson สิ่งนี้ยังไม่สมบูรณ์เพียงพอ มันระบุสิ่งต่าง ๆ มากมายโดยไม่ได้รับมา นอกจากนั้นฉันชอบมัน Wasserman (2004) สถิติทั้งหมด: หลักสูตรรัดกุมในการอนุมานทางสถิติสปริงเกอร์ ไม่ชอบเลย เกือบจะไม่มีคำอธิบาย "การชั่งน้ำหนักราคาต่อรอง" จาก David Williams เป็นทางการมากกว่า DeGroot และดูเหมือนว่าจะสมบูรณ์และพึ่งพาตนเองได้ อย่างไรก็ตามฉันพบว่าสไตล์แปลก ๆ เขายังประดิษฐ์คำศัพท์ใหม่ที่ดูเหมือนว่าเขาจะใช้เท่านั้น ทุกสิ่งที่อธิบายใน DeGroot ก็อธิบายได้ดีกว่าเช่นกัน ถ้าคุณรู้หนังสือที่ดีในภาษาเยอรมันมันก็ใช้ได้เหมือนฉันเป็นคนเยอรมัน

28 probability  self-study  mathematical-statistics  references 

เมื่อฉันใช้ GAM มันให้ DF ที่เหลือกับฉันคือ (บรรทัดสุดท้ายในรหัส) นั่นหมายความว่าอย่างไร? นอกเหนือไปจากตัวอย่างของ GAM โดยทั่วไปแล้วจำนวนองศาความเป็นอิสระจะเป็นจำนวนที่ไม่ใช่จำนวนเต็มหรือไม่26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter for gaussian family taken to be 6.6717) Null Deviance: 1126.047 on 31 degrees …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

เนื่องจากฉันทามติทั่วไปดูเหมือนว่าจะใช้ตัวแบบผสมผ่านทางlmer()ใน R แทน ANOVA แบบคลาสสิก (ด้วยเหตุผลที่อ้างถึงบ่อยครั้งเช่นการออกแบบที่ไม่สมดุลการข้ามเอฟเฟกต์แบบสุ่มเป็นต้น) ฉันต้องการลองกับข้อมูลของฉัน อย่างไรก็ตามฉันกังวลว่าฉันจะสามารถ "ขาย" วิธีการนี้ให้กับหัวหน้างานของฉัน (ซึ่งคาดว่าการวิเคราะห์แบบดั้งเดิมด้วยค่า p ในท้ายที่สุด) หรือในภายหลังกับผู้ตรวจสอบ คุณสามารถแนะนำตัวอย่างที่ดีของบทความที่ตีพิมพ์ที่ใช้แบบจำลองผสมหรือlmer()สำหรับการออกแบบที่แตกต่างกันเช่นมาตรการซ้ำ ๆ หรือหลายแบบภายในและระหว่างเรื่องสำหรับชีววิทยาภาคสนามจิตวิทยาการแพทย์

27 r  mixed-model  repeated-measures  lme4-nlme  references 

ฉันสนใจรับหนังสือเกี่ยวกับการวิเคราะห์หลายตัวแปรและต้องการคำแนะนำของคุณ ยินดีต้อนรับหนังสือฟรีเสมอ แต่ถ้าคุณรู้เกี่ยวกับหนังสือ MVA ที่ยอดเยี่ยมซึ่งไม่ใช่หนังสือโปรดระบุ

26 references  multivariate-analysis 

ฉันกำลังมองหาข้อมูลบางอย่างเกี่ยวกับความแตกต่างระหว่างทวินามลบทวินามและปัวซองการถดถอยและสถานการณ์ที่เหมาะสมที่สุดสำหรับการถดถอยเหล่านี้ มีการทดสอบใดบ้างที่ฉันสามารถทำได้ใน SPSS ที่สามารถบอกได้ว่าการถดถอยแบบใดที่ดีที่สุดสำหรับสถานการณ์ของฉัน นอกจากนี้ฉันจะเรียกใช้ปัวซองหรือทวินามลบใน SPSS ได้อย่างไรเนื่องจากไม่มีตัวเลือกเช่นที่ฉันเห็นในส่วนการถดถอย หากคุณมีลิงค์ที่มีประโยชน์ฉันจะขอบคุณมันมาก

26 spss  references  binomial  poisson-distribution  negative-binomial