คำถามติดแท็ก web

มิวสิกวิดีโอของ PSY "Gangnam style"ได้รับความนิยมหลังจากนั้นไม่เกิน 2 เดือนผู้ชมประมาณ 540 ล้านคน ฉันได้เรียนรู้สิ่งนี้จากเด็กอายุสิบสามของฉันที่งานเลี้ยงอาหารค่ำเมื่อสัปดาห์ที่แล้วและในไม่ช้าการอภิปรายก็ดำเนินไปในทิศทางที่เป็นไปได้ถ้ามันเป็นไปได้ที่จะทำนายว่ามีผู้ชมกี่คนใน 10-12 วันและเมื่อไหร่ จะส่งผู้ชม 800 ล้านคนหรือผู้ชม 1 พันล้านคน นี่คือภาพจากจำนวนผู้ชมนับตั้งแต่มีการโพสต์: นี่คือรูปภาพจากจำนวนผู้ชมของ No1 "Justin Biever-Baby" และ No2 "Eminem - รักในแบบที่คุณโกหก" มิวสิควิดีโอที่ทั้งคู่อยู่กันมานานกว่านี้มาก ความพยายามครั้งแรกของฉันที่จะให้เหตุผลเกี่ยวกับตัวแบบคือมันควรจะเป็น S-curve แต่ดูเหมือนจะไม่เหมาะกับเพลง No1 และ No2 และยังไม่พอดีที่จะไม่มีการ จำกัด จำนวนการดูวิดีโอเพลง สามารถมีได้เพียงการเติบโตที่ช้าลง ดังนั้นคำถามของฉันคือฉันควรใช้รูปแบบใดในการทำนายจำนวนผู้ชมมิวสิควิดีโอ

73 modeling  web 

ฉันมีแอปพลิเคชันที่ใช้ servlet ซึ่งฉันจะวัดเวลาที่ใช้ในการดำเนินการตามคำขอแต่ละครั้งให้กับเซิร์ฟเล็ตนั้น ฉันคำนวณสถิติอย่างง่ายเช่นค่าเฉลี่ยและค่าสูงสุดแล้ว ฉันต้องการที่จะสร้างการวิเคราะห์ที่ซับซ้อนมากขึ้นและทำเช่นนั้นฉันเชื่อว่าฉันต้องทำแบบจำลองเวลาตอบสนองเหล่านี้อย่างถูกต้อง แน่นอนว่าเวลาตอบสนองนั้นเป็นไปตามการกระจายที่รู้จักกันดีและมีเหตุผลที่ดีที่จะเชื่อว่าการกระจายตัวเป็นรูปแบบที่ถูกต้อง อย่างไรก็ตามฉันไม่รู้ว่าการกระจายตัวนี้ควรเป็นอย่างไร Log-normal และ Gamma เป็นสิ่งที่คำนึงถึงและคุณสามารถสร้างข้อมูลเวลาตอบสนองตามจริงได้ ไม่มีใครมีมุมมองเกี่ยวกับสิ่งที่การกระจายเวลาตอบสนองควรทำตาม?

16 distributions  web 

สมมติว่าฉันมีเวกเตอร์ที่สั่งซื้อซึ่งองค์ประกอบแรกคือจำนวนการเข้าชมเว็บไซต์ในช่วงเวลาที่กำหนดโดย IP ที่ไม่ซ้ำกับจำนวนการเข้าชมสูงสุดองค์ประกอบที่สองคือจำนวนการเข้าชมโดย IP ที่ไม่ซ้ำกับวินาที จำนวนการเข้าชมสูงสุดและอื่น ๆ ฉันเข้าใจว่าอาจมีรูปแบบของไซต์ต่อหนึ่งรูปแบบ แต่โดยทั่วไปจะมีรูปแบบที่ถือว่าเป็นรูปร่างของเวกเตอร์นี้หรือไม่ ยกตัวอย่างเช่นทำตามการกระจายอำนาจหรือไม่

14 web  power-law 

ฉันกำลังทำงานกับชุดข้อมูล หลังจากใช้เทคนิคการระบุตัวแบบบางอย่างฉันก็ออกมาพร้อมกับแบบจำลอง ARIMA (0,2,1) ผมใช้detectIOฟังก์ชั่นในแพคเกจTSAในการวิจัยที่จะตรวจพบนวัตกรรมขอบเขต (IO) ที่สังเกต 48th ของชุดข้อมูลเดิมของฉัน ฉันจะรวมค่าผิดปกตินี้ไว้ในแบบจำลองของฉันเพื่อที่ฉันจะสามารถใช้เพื่อวัตถุประสงค์ในการพยากรณ์ได้อย่างไร ฉันไม่ต้องการใช้แบบจำลอง ARIMAX เนื่องจากฉันอาจไม่สามารถคาดการณ์ได้จากสิ่งนั้นใน R มีวิธีอื่นที่ฉันสามารถทำได้หรือไม่ นี่คือค่านิยมของฉันตามลำดับ: VALUE <- scan() 4.6 4.5 4.4 4.5 4.4 4.6 4.7 4.6 4.7 4.7 4.7 5.0 5.0 4.9 5.1 5.0 5.4 5.6 5.8 6.1 6.1 6.5 6.8 7.3 7.8 8.3 8.7 9.0 9.4 9.5 9.5 …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models