タグ付けされた質問 「references」

パネルデータ分析と混合モデル分析の違いを知りたいです。私の知る限り、パネルデータと混合モデルはどちらも固定効果とランダム効果を使用しています。もしそうなら、なぜ彼らは異なる名前を持っていますか？それとも同義語ですか？ 固定効果、ランダム効果、混合効果の定義を説明する次の投稿を読みましたが、私の質問に正確には答えていません：固定効果モデル、ランダム効果モデル、混合効果モデルの違いは何ですか？ また、混合モデル分析に関する簡単な（約200ページ）参照を誰かが私に紹介してくれた場合もありがたいです。付け加えると、ソフトウェアの扱いに関係なく、混合モデリングのリファレンスを好むでしょう。混合モデリングの主に理論的な説明。

14 mixed-model  references  panel-data 

マルコフ連鎖モンテカルロ（MCMC）のさまざまなアプリケーションに関する良い要約（レビュー、書籍）はありますか？ 実践ではマルコフ連鎖モンテカルロを見ましたが、この本は少し古いようです。 マシンラーニング、コンピュータービジョン、計算生物学などの分野におけるMCMCのさまざまなアプリケーションに関する最新の本はありますか？

14 machine-learning  mcmc  inference  references  application 

「この変数 はあり、ほとんどの質量はあり、1に向かって減少していることを知っています。どの分布を使用してモデル化できますか？」 」xxx(0,1)(0,1)(0,1)(0,.20)(0,.20)(0,.20) 実際には、私はそれらを知っているという理由だけで、同じ数個のディストリビューションを何度も何度も使用しています。代わりに、より体系的な方法でそれらを検索したいと思います。確率論者がこれらのディストリビューションのすべてを開発してきた豊富な仕事にアクセスするにはどうすればよいですか？ 理想的には、プロパティ（サポートの地域など）ごとに整理された参照が欲しいので、その特性によって分布を見つけ、pdf / cdfの扱いやすさと理論的導出の適合度に基づいて各分布について詳しく知ることができます私が取り組んでいる問題。 そのような参照は存在しますか？存在しない場合、どのようにディストリビューションを選択しますか？

14 distributions  references 

統計的手法を悪用するには明らかに多くの方法があります。評判の良い学術誌で最初に明示的なアドバイスとして公開された貧弱な統計手法の例（たとえば、「この方法を使用する必要があります...」）を知っていますか？ 例としては、ロジスティックモデルまたはCox PH回帰モデル（LINK）で頻繁に呼び出される予測ルールごとに10個のイベントがあります。 明確にするために、私はたまたま貧弱な統計手法を使用した高引用文献を意味しません-これらは残念ながら一般的です。

13 references  statistical-falsehoods 

調和平均が証明されている参照を探しています x¯h=n∑ni=11xix¯h=n∑i=1n1xi\bar{x}^h = \frac{n}{\sum_{i=1}^n \frac{1}{x_i}} 相対誤差の二乗和を最小化（zzz） ∑i=1n((xi−z)2xi).∑i=1n((xi−z)2xi).\sum_{i=1}^n \left( \frac{(x_i - z)^2}{x_i}\right).

13 references  mean  error  weighted-regression  harmonic-mean 

過去数年間、大衆市場でカオス理論に関するいくつかの作品をさりげなく読んでいるうちに、ニューラルネット、パターン認識、不確実性管理など、データマイニングや関連分野にそのさまざまな側面をどのように適用できるのか疑問に思い始めました。 '公開された研究でそのようなアプリケーションの例が非常に少ないので、a）既知の公開された実験およびプロジェクトで実際に実行されているか、b）そうでない場合、これらの相互関係でほとんど使用されていないのか疑問に思う田畑？ 私がこれまで見てきたカオス理論の議論のほとんどは、完全に有用な科学アプリケーションを中心に展開していますが、データマイニングやパターン認識などの関連分野とはほとんど関係ありません。典型的な例の1つは、物理学の3体問題です。私はこの種の通常の科学的応用の議論を控えて、データマイニングと関連分野に明らかに関連する応用だけに質問を制限したいと思います。以下の潜在的なアプリケーションのリストは、公開された研究の検索の出発点として使用できますが、実際に実行されているアプリケーションがある場合は、それらにのみ興味があります。私が探しているのは、データマイニングに対するカオス理論の既知の実装です。潜在的なアプリケーションのリストとは対照的に、はるかに広いです。これは、読んでいるときに私が思いついたデータマイニングアプリケーションの簡単なアイデアの小さなサンプルです。おそらく、それらのどれも実用的ではなく、おそらくいくつかは私たちが話すように実用化されていますが、私はまだ慣れていない用語で行きます： マンデルブロが数十年前にアナログ電話回線のエラーバーストの場合に実用的な方法で行ったように、パターン認識で自己相似構造を識別します。 マイニングの結果にフェイゲンバウムの定数に出会う（おそらく、研究の過程で予想外の場所にマックスウェルの方程式がポップアップするのを見て、ストリング理論家が驚いたのと同様の方法で）。 ニューラルネットの重みとさまざまなマイニングテストの最適なビット深度を特定します。カオス関連関数の予測不可能性の一部を担っている初期条件への感度が出てくる、非常に小さい数値スケールのために、これについて疑問に思いました。 メンジャースポンジ、コッホカーブ、シェルピンスキーカーペットなど、魅力的なフラクタルの好奇心とは必ずしも関係のない他の方法で、分数次元の概念を使用します。おそらく概念をマイニングモデルの次元に、フラクショナルとして扱うことにより、何らかの有益な方法で適用できますか？ フラクタルで作用するような法則の導出。 フラクタルで遭遇する関数は非線形であるため、非線形回帰への実用的なアプリケーションがあるのだろうかと思います。 カオス理論にはエントロピーとの接線的（そして時には誇張された）関係があるので、カオス理論で使用される関数からシャノンのエントロピー（またはその制限とその親類の制限）を計算する方法はあるのでしょうか？ データの周期倍増動作を識別します。 有用な方法で「自己組織化」する可能性が最も高いものをインテリジェントに選択することにより、ニューラルネットの最適な構造を特定します。 カオスやフラクタルなども、計算の複雑さに正接しているため、複雑さを使用してカオス構造を特定できるのか、またはその逆の可能性があるのでしょうか。 私は最初にカオス理論の観点からリアプノフ指数を聞いたことがあり、それから特定のニューラルネットのレシピとエントロピーの議論で数回気づきました。 私がここにリストしていない他の関係はおそらく数十あります。これはすべて私の頭の上から外れました。私はこれらの特定の推測に対する具体的な答えにあまり興味がありませんが、野生に存在する可能性のあるアプリケーションのタイプの例として、それらを単に投げ捨てています。アプリケーションがデータマイニングに特に適用可能である限り、現在の研究の例や、このようなアイデアの既存の実装を含む返信を見たいと思います。 おそらく、私がよく知っている分野（情報理論、ファジィ集合、ニューラルネットなど）や、回帰などの能力がさらに低いものでも、気付いていない既存の実装がおそらく存在します。どういたしまして ここでの私の実用的な目的は、カオス理論の特定の側面について学習するためにもっと投資するかどうかを決定することです。明らかな有用性が見つからない場合は、後回しにします。 CrossValidatedを検索しましたが、データマイニングなどへのカオス理論の実用的なアプリケーションに直接対処するトピックは表示されませんでした。最も近いのは、スレッドカオス理論、方程式のないモデリング、ノンパラメトリック統計です。特定のサブセットで。

13 self-study  mathematical-statistics  references  data-mining  fractal 

時系列分析の分野での長期分散はどのように定義されますか？ データに相関構造がある場合に利用されることを理解しています。したがって、確率過程はX1,X2…X1,X2…X_1, X_2 \dots iidのランダム変数のファミリーではなく、同じようにのみ分布していますか？ 概念の概観とその推定に伴う困難について、標準的な参考資料を入手できますか？

13 time-series  variance  references  kernel-smoothing  non-independent 

私は論文へのコメントを読んでおり、著者は、推定量（MLまたは最大準尤度によって検出された）が一貫していない場合でも、尤度比または準尤度比検定の力はまだ収束する可能性があると述べています1観測されたデータの数が無限になる傾向があるため（テストの一貫性）。これはいつどのように起こりますか？いくつかの参考文献を知っていますか？

13 mathematical-statistics  references  inference  power  consistency 

ブートストラップは平均推定値の不確実性にアクセスするのにうまく機能しますが、分位数推定値の不確実性（特に中央値）を評価するのにブートストラップがうまく機能しない場所を読んだことを覚えています。 これをどこで読んだか覚えていないので、グーグルで簡単に検索しても見つけられませんでした。これと参考文献についての考えは大歓迎です。

13 references  bootstrap  median 

他の有用な知識のポータルを「ジャーナル」に置き換えてください。 私は、実用的なアプリケーションの観点から、機械学習の新しい開発に注目することに興味があります。私は自分の作品を出版しようとする学者ではありません（少なくともこの分野ではそうではありません）が、実用的なレベルで役立つ可能性のある新しいアルゴリズムやトリックの可能性を認識したいと思います。 唯一の注意点は、定期購読を必要とせずにジャーナル/会議の議事録などを自由に利用できる必要があることです。

13 machine-learning  references 

私は、データマイニングについて読み始める初心者です。私はAIと統計の基本的な知識を持っています。機械学習はデータマイニングでも重要な役割を果たすと多くの人が言っているので、データマイニングに進む前に機械学習について読む必要がありますか？

13 machine-learning  references  data-mining 

L1正規化線形回帰のあてはめにLARS [1]を使用する場合と座標降下を使用する場合の長所と短所は何ですか？ 私は主にパフォーマンスの側面に興味があります（私の問題はN数十万とp20未満にある傾向があります）。しかし、他の洞察も歓迎されます。 編集：私は質問を投稿したので、chlは親切にフリードマンらによる論文[2]を指摘しました。そこでは、座標降下は他の方法よりもかなり速いことが示されています。その場合、実務家として座標降下を支持するLARSを単に忘れるべきですか？ [1]エフロン、ブラッドリー。ヘイスティー、トレバー; ジョンストーン、イアンおよびティブシラーニ、ロバート（2004）。「最小角度回帰」。統計32（2）：pp。407–499。 [2] Jerome H. Friedman、Trevor Hastie、Rob Tibshirani、「座標降下による一般化線形モデルの正規化パス」、Journal of Statistics Software、Vol。33、1号、2010年2月。

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

私は現在、大学の指導助手として統計入門コース（医学生向け）で働いています。 オフラインでは、教師を支援するための情報を提供する多くの本があります。しかし、私が知りたいのは、オンラインで利用可能な統計の演習（ソリューションを含む）を提供する（良い）リソースに私を導くことができるかどうかです。（例：教師のメモ）。 主題の資料は、記述統計、確率、およびパラメトリック/ノンパラメトリック統計推論の間で変動します。

13 probability  references  inference  descriptive-statistics  teaching 

統計を講義するとき、ときどき短いビデオを取り入れることは有用です。 私の最初の考えは次のとおりです。 統計概念のアニメーションと視覚化 特定の技術の応用に関するストーリー 統計的なアイデアに関連するユーモラスな動画 統計学者または統計を使用する研究者へのインタビュー 統計を教えるときに使用するビデオや、役に立つと思うビデオはありますか？ どうか提供してください： オンラインのビデオへのリンク コンテンツの説明 ビデオが関係する統計トピック

13 teaching  references 

レコメンダーシステムの開発に適用できる優れた情報のある本を推奨できますか？

13 machine-learning  references  recommender-system