タグ付けされた質問 「references」

ベイジアンネットワークとマルコフプロセスの違いは何ですか？ 私は両方の原則を理解していると信じていましたが、今、2つを比較する必要があるとき、私は失われたと感じます。それらは私にとってほぼ同じ意味です。確かにそうではありません。 他のリソースへのリンクも歓迎します。

28 bayesian  references  modeling  markov-process  bayesian-network 

私は統計に興味を持っている大学院生です。私は素材全体が好きですが、実際の生活への応用について考えるのに苦労することがあります。具体的には、私の質問は一般的に使用される統計分布（通常-ベータガンマなど）についてです。場合によっては、分布を非常に良くする特定のプロパティ、たとえば指数関数のメモリレスプロパティを取得すると思います。しかし、他の多くの場合、私は教科書に見られる一般的な分布の重要性と応用分野の両方について直観を持っていません。 おそらく、私の懸念に対処する多くの優れた情報源があります。それらを共有していただければ幸いです。現実の例と関連付けることができれば、私はこの資料にもっとや​​る気が出ます。

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

平均と、分散と 2つの独立した正規分布とます。XXXYYYμxμx\mu_xμyμy\mu_yσ2xσx2\sigma^2_xσ2yσy2\sigma^2_y それらの比率の分布に興味があります。どちらやので、ゼロの平均値を有し、Zはコーシーとして配布されていません。Z=X/YZ=X/YZ=X/YXXXYYYZZZ ZのCDFを見つけてZZZから、μxμx\mu_x、μyμy\mu_y、σ2xσx2\sigma^2_xおよび\ sigma ^ 2_yに関するCDFの導関数を取得する必要がありますσ2yσy2\sigma^2_y。 これらがすでに計算されている論文を知っている人はいますか？または、これを自分で行う方法は？ 1969年の論文でCDFの式を見つけましたが、これらの派生物を取得することは間違いなく大きな苦痛です。誰かがすでにそれを行っているか、簡単に行う方法を知っているのでしょうか？私は主にこれらのデリバティブの兆候を知る必要があります。 このペーパーには、YYYがほとんど正の場合の分析的に単純な近似も含まれています。私はその制限を持つことはできません。ただし、パラメータ範囲外であっても、近似値は真の導関数と同じ符号を持つ可能性がありますか？

28 distributions  normal-distribution  references  mathematical-statistics  cdf 

統計に興味を持つようになりましたが、数学を真剣に使ってから長い時間がかかったことを認めなければなりません。方程式の意味を理解することもあれば、追跡できないこともあります。 私は、矢印付きの画像を使用するここで与えられた答えが好きです：二乗平均平方根誤差と平均バイアス偏差の概念的な理解。 方程式よりも数値を使用するモデリング、PCA、シミュレーションなどに関する深刻な統計書籍に関するアドバイスはありますか？私は「ダミーの統計」の本のようなものを望んでいます。これは、誰もが統計にアクセスできるようにする本ですか？。

28 references 

Programmers.SEにも同様の意図を持つ質問があります。その質問にはかなり良い答えがありますが、一般的なテーマは自習なしではどこにも行かないということです。 プログラミングと統計の間には明らかに大きな違いがあります-プログラミングでは、基本的なロジックを学習し、繰り返し適用するだけです。新しい言語はすべて同じ基本概念を使用しています。自己学習により、より高度な概念を学び、より効率的になります。この種のものは教えるのが非常に難しいです。 統計はまったく異なります。関係するロジックを適用するのは簡単です-通常、他の誰かが方法論をレイアウトしているからです。実際、方法論は通常、大学で教えられているもののほとんどです。しかし、統計はそれよりもはるかに深く、いくつかの非常に高度な概念を伴います。あなたが教えられているのが統計を適用することだけであり、それらを理解することはおろか、それらの概念を探すことさえ難しいです（これはフィールドの専門用語によるものかもしれませんが）。また、プログラミングの自己学習には、新しい概念を紹介するために多くの短い記事/ブログを読む必要がありますが、統計に関するアクセス可能な記事はほとんどの場合初心者向けであり、したがって、私自身。 質問は次のとおりです。統計については、自習は大学教育よりも多かれ少なかれ適切ですか？自己学習の方法論はありますか？以前に人々のために働いたことの例は歓迎されます。 （これはおそらくコミュニティwikiであるべきですが、チェックボックスは表示されません）

28 self-study  references  teaching 

混合効果モデリングによる測定の再現性（別名信頼性、別名クラス内相関）の計算方法を説明するこの論文に出会ったばかりです。Rコードは次のようになります。 #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 the adjusted repeatability Rn = …

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 

MCMCの方法を学ぶための優れた情報源に関する提案はありますか？

28 references  mcmc 

読むのが楽しくて有益である統計の応用について説明する良い論文は何ですか？明確にするために、新しい統計手法を説明する論文（最小角度回帰に関する論文など）ではなく、実際の問題を解決する方法を説明する論文を探しています。 たとえば、私が探しているものに合う論文の1つは、2番目のCross-Validated Journal Clubの気候論文です。私は機械学習の論文ではなく、より統計的な論文を探していますが、それは一種の曖昧な区別だと思います（Netflix Prizeの論文は少し境界線として、センチメント分析に関する論文は何かとして分類します）私は探していません）。 私が見た統計の用途のほとんどは、教科書で見た小さな断片か、私自身の仕事に関連したもののどちらかだからですので、少し分岐したいと思います。

28 references  application 

Mathematical Statistics Videosのリクエストは既にありましたが、 統計の厳密な数学的表現を提供するビデオ。すなわち、このディスカッションで言及された教科書を使用するコースに付随する可能性のあるビデオ... 同時に、stat / prob-101-ビデオコースについてどのような推奨事項がありますか？

28 references 

デイビッド・サルズバーグの本「お茶を味わう女性」から： 読者はそれを信じないかもしれませんが、文学スタイルは数学的研究において重要な役割を果たします。一部の数学ライターは、理解しやすい記事を作成できないようです。他の人は、ピカユンで一般的なアイデアが失われるほど詳細に満ちた記号表記の多くの行を生成することからひどい喜びを得るようです。 しかし、一部の著者は、その説明が明らかであると思われるほどの力とシンプルさで複雑なアイデアを表示する能力を持っています。学んだことを検討して初めて、読者は結果の大きな力に気付きます。そのような著者はジャージー・ネイマンでした。彼の論文を読むことは喜びです。アイデアは自然に進化し、表記法は一見単純です。結論は非常に自然であるため、誰もこれらの結果をずっと前に作成していない理由を理解するのが難しいと思われます。 統計や機械学習に関するこのようなよく書かれた論文の他の具体例は何ですか？ アイデアは、「これがあなたが書くべき方法」論文のリストを持つことです。 提供してください： 以下のような完全な書誌引用： カールE.ラスムッセン、「無限ガウス混合モデル」、ニューラル情報処理システム12、Vol。12（2000） リンクの場合、可能であれば公開されているリポジトリにリンクしてください（例：http : //arxiv.org/）。 論文が何であるか、なぜそれが一流のよく書かれた論文の例であるかについての短い、非公式の、包括的なレビュー。

28 references  communication 

私は数学の教員から統計コースを訪問する機会がありませんでした。私は、完全で自給自足の確率論と統計の本を探しています。完全とは、結果だけでなくすべての証明が含まれていることを意味します。自給自足とは、本を理解するために別の本を読む必要がないことを意味します。もちろん、大学レベル（数学の学生）の微積分と線形代数が必要になる場合があります。 私は複数の本を見ましたが、どれも好きではありませんでした。 DeGroot＆Schervish（2011）確率と統計（第4版）ピアソン これは十分に完了していません。それは、派生せずに多くのものを述べているだけです。それに加えて、私はそれが好きです。 Wasserman（2004）すべての統計：統計的推論スプリンガーの簡潔なコース。 まったく気に入らなかった。ほとんど説明はありません。 David Williamsの「Weighing the Odds」は、DeGrootよりも正式であり、完全かつ自給自足のようです。しかし、そのスタイルは奇妙だと思います。彼はまた、自分だけが使用していると思われる新しい用語を発明しています。DeGrootで説明されているものもすべて、より適切に説明されています。 あなたがドイツ語で素晴らしい本を知っているなら、それは私がドイツ人であるので大丈夫です。

28 probability  self-study  mathematical-statistics  references 

GAMを使用すると、残留DFは（コードの最終行）になります。どういう意味ですか？GAMの例を超えて、一般に、自由度の数を整数以外の数にすることはできますか？26.626.626.6 > 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 of freedom Residual Deviance: 177.4662 on 26.6 degrees of …

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 

一般的なコンセンサスはlmer()、古典的なANOVAの代わりにRを介して混合モデルを使用することであると思われるため（不均衡な設計、交差ランダム効果など、よく引用される理由により）、データで試してみたいと思います。ただし、スーパーバイザー（最終的にp値を使用した従来の分析を期待している）または後でレビューアーにこのアプローチを「販売」できるかどうか心配です。 混合モデルを使用したりlmer()、フィールド生物学、心理学、医学の反復測定や複数の被験者内および被験者間設計などの異なる設計に使用した、公開された記事の良い例をお勧めしますか？

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

多変量解析に関する本を入手したいので、あなたの提案が必要です。無料の本はいつでも歓迎しますが、すばらしい非無料のMVA本について知っているなら、それを述べてください。

26 references  multivariate-analysis 

二項回帰、負の二項回帰、ポアソン回帰の違いに関する情報と、これらの回帰が最も適している状況を探しています。 SPSSで実行できるテストで、これらの回帰のうちどれが自分の状況に最適かを判断できますか？ また、SPSSでポアソンまたは負の二項式を実行するにはどうすればよいですか？回帰部分に表示されるようなオプションはありませんか？ 役に立つリンクがあれば、とても感謝しています。

26 spss  references  binomial  poisson-distribution  negative-binomial