Eu sou novo na ciência de dados e tenho um problema ao encontrar clusters em um conjunto de dados com 200.000 linhas e 50 colunas em R. Como os dados têm variáveis numéricas e nominais, métodos como o K-significa que usa a medida de distância euclidiana não parece ser uma escolha apropriada....
Eu tenho um problema de amostragem simples, onde meu loop interno se parece com: v = sample_gamma(k, a) onde sample_gammaamostras da distribuição Gamma para formar uma amostra de Dirichlet. Funciona bem, mas para alguns valores de k / a, parte da computação a jusante é insuficiente. Eu o...
Vamos dizer que temos uma variável aleatória com uma gama de valores delimitada por aaa e bbb , onde aaa é o valor mínimo ebbb o valor máximo. Disseram-me que, como n→∞n→∞n \to \infty , onde nnn é o tamanho da nossa amostra, a distribuição amostral da nossa amostra é uma distribuição normal. Ou...
Eu tenho uma amostra ponderada, para a qual desejo calcular quantis. 1 Idealmente, onde os pesos são iguais (seja = 1 ou não), os resultados seriam consistentes com os de scipy.stats.scoreatpercentile()e R's quantile(...,type=7). Uma abordagem simples seria "multiplicar" a amostra usando os pesos...
Em R, se eu definir.seed () e usar a função de amostra para randomizar uma lista, posso garantir que não gerarei a mesma permutação? ie ... set.seed(25) limit <- 3 myindex <- seq(0,limit) for (x in seq(1,factorial(limit))) { permutations <- sample(myindex) print(permutations) } Isso...
Nota: esta pergunta é um repost, pois minha pergunta anterior teve que ser excluída por razões legais. Ao comparar o PROC MIXED do SAS com a função lmedo nlmepacote no R, deparei-me com algumas diferenças bastante confusas. Mais especificamente, os graus de liberdade nos diferentes testes...
Observo os tempos de processamento de um processo antes e depois de uma alteração para descobrir se o processo melhorou com a alteração. O processo melhorou, se o tempo de processamento for reduzido. A distribuição do tempo de processamento é baseada em gordura, portanto, comparar com base na média...
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <-...
Sempre fui ensinado que o CLT funciona quando você realiza amostragens repetidas, sendo cada amostra grande o suficiente. Por exemplo, imagine que eu tenho um país de 1.000.000 cidadãos. Meu entendimento do CLT é que, mesmo que a distribuição de suas alturas não fosse normal, se eu fizesse 1000...
Eu quero provar de uma densidade univariada mas eu só sei o relacionamento:fXfXf_X fX( x ) = ∫fX| Y( x | y) fY( y) dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. Eu quero evitar o uso do MCMC (diretamente na representação integral) e, como e são fáceis de amostrar, eu...
Amostragem com substituição tem duas vantagens sobre amostragem sem substituição, a meu ver: 1) Você não precisa se preocupar com a correção da população finita. 2) Há uma chance de que elementos da população sejam desenhados várias vezes - então você pode reciclar as medições e economizar...
Fiquei me perguntando como CIs de auto-inicialização (e BCa em barticular) se comportam em dados normalmente distribuídos. Parece haver muito trabalho examinando seu desempenho em vários tipos de distribuição, mas não foi possível encontrar nada nos dados distribuídos normalmente. Como parece óbvio...
Testes como Z, te vários outros assumem que os dados são baseados em uma amostragem aleatória. Por quê? Suponha que eu esteja fazendo pesquisa experimental, onde me importo muito mais com a validade interna do que com a externa. Portanto, se minha amostra for um pouco tendenciosa, tudo bem, pois...
Minha formação é em ciência da computação. Sou bastante novo nos métodos de amostragem de Monte Carlo e, embora compreenda a matemática, tenho dificuldade em encontrar exemplos intuitivos para amostragem de importância. Mais precisamente, alguém poderia fornecer exemplos de: uma distribuição...
Nos métodos MCMC , continuo lendo sobre o burn-intempo ou o número de amostras para "burn". O que é isso exatamente e por que é necessário? Atualizar: Depois que o MCMC se estabiliza, ele permanece estável? Como a noção de burn-intempo está relacionada à noção de tempo de...
Estou tentando construir uma prova para um problema em que estou trabalhando e uma das suposições que estou fazendo é que o conjunto de pontos dos quais estou amostrando é denso em todo o espaço. Na prática, estou usando a amostragem de hipercubo latino para obter meus pontos em todo o espaço...
Meus dados são os seguintes. Eu tenho dois grupos de pacientes. Os pacientes de cada grupo tiveram um tipo diferente de cirurgia ocular. 5 variáveis foram medidas nos pacientes de cada grupo. Eu quero comparar essas variáveis entre os dois grupos usando um teste de permutação ou MANOVA. O olho...
Geralmente é transformado em Fisher para testar a diferença entre dois valores de . Mas, quando uma meta-análise deve ser realizada, por que devemos dar esse passo? Ele corrige erros de medição ou erros de não amostragem e por que devemos assumir que é uma estimativa imperfeita da correlação...
Estou procurando conselhos sobre como analisar dados complexos de pesquisas com modelos multiníveis em R. Eu usei o surveypacote para ponderar probabilidades desiguais de seleção em modelos de um nível, mas este pacote não possui funções para modelagem multinível. O lme4pacote é ótimo para...
Pergunta de lição de casa: Considere o modelo Ising 1-d. Vamos . x i é -1 ou +1x = ( x1, . . . xd)x=(x1,...xd)x = (x_1,...x_d)xEuxix_i π( X ) α e∑39.i = 1xEuxi + 1π(x)∝e∑i=139xixi+1\pi(x) \propto e^{\sum_{i=1}^{39}x_ix_{i+1}} Crie um algoritmo de amostragem de gibbs para gerar amostras...