Supposons que nous ayons variables mesurables, , nous effectuons un nombre de mesures, puis souhaitons effectuer une décomposition en valeurs singulières sur les résultats pour trouver les axes de variance la plus élevée pour les points dans l'espace dimensionnel. ( Remarque: supposons que les...
Comme expliqué dans ce document de cours (page 1) , un modèle linéaire peut être écrit sous la forme: y= β1X1+ ⋯ + βpXp+ εje,y=β1X1+⋯+βpXp+εje, y = \beta_1 x_{1} + \cdots + \beta_p x_{p} + \varepsilon_i, où est la variable de réponse et est la i ^ {ème} variable explicative.yyyXjeXjex_{i}jet...
Im suivant un tutoriel ici: http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ pour acquérir une meilleure compréhension de PCA. Le didacticiel utilise l'ensemble de données Iris et applique une transformation de journal avant PCA: Notez que dans le code suivant, nous appliquons une...
Y a-t-il une raison de ce à quoi je peux penser, pour transformer les données avec une racine carrée? Je veux dire que ce que j'observe toujours, c'est que le R ^ 2 augmente. Mais c'est probablement juste à cause du centrage des données! Toute pensée est
Je recherche une méthode pour transformer mon ensemble de données de sa moyenne actuelle et de son écart type en une moyenne cible et un écart type cible. Fondamentalement, je veux réduire / étendre la dispersion et mettre à l'échelle tous les nombres à une moyenne. Cela ne fonctionne pas de faire...
L'analyse de corrélation canonique (ACC) vise à maximiser la corrélation produit-moment de Pearson habituelle (c.-à-d. Le coefficient de corrélation linéaire) des combinaisons linéaires des deux ensembles de données. Maintenant, considérons le fait que ce coefficient de corrélation ne mesure que...
J'ai réalisé une forte relation linéaire entre ma variable et après avoir doublement transformé la réponse. Le modèle était mais je l'ai transformé en améliorant de 0,19 à 0,76.XXXYYYY∼XY∼XY\sim XYX−−√∼X−−√YX∼X\sqrt{\frac{Y}{X}}\sim \sqrt{X}R2R2R^2 De toute évidence, j'ai fait une chirurgie décente...
Est-il possible d'extraire des points de données de données moyennes mobiles? En d'autres termes, si un ensemble de données n'a que des moyennes mobiles simples des 30 points précédents, est-il possible d'extraire les points de données d'origine? Si c'est le cas,
Traditionnellement, nous utilisons un modèle mixte pour modéliser des données longitudinales, c'est-à-dire des données comme: id obs age treatment_lvl yield 1 0 11 M 0.2 1 1 11.5 M 0.5 1 2 12 L 0.6 2 0 17 H 1.2 2 1 18 M 0.9 nous pouvons supposer une interception ou une pente aléatoire pour...
L' entropie d'une distribution continue avec la fonction de densité Fff est définie comme étant le négatif de l'espérance de Journal( f) ,log(f),\log(f), et est donc égale à HF= - ∫∞- ∞Journal( f( x ) ) f( x ) d x .Hf=−∫−∞∞log(f(x))f(x)dx.H_f = -\int_{-\infty}^{\infty} \log(f(x)) f(x)\mathrm{d}x....
J'utilise le package nnet dans R pour tenter de construire un ANN pour prédire les prix immobiliers des condos (projet personnel). Je suis nouveau dans ce domaine et je n'ai pas de formation en mathématiques, alors s'il vous plaît, mettez-moi à nu. J'ai des variables d'entrée qui sont à la fois...
Dans Andy Field's Discovering Statistics Using SPSS, il déclare que toutes les variables doivent être transformées. Cependant, dans la publication: "Examen des relations variant dans l'espace entre l'utilisation des terres et la qualité de l'eau à l'aide de la régression pondérée géographiquement...
Lors de la dichotomisation des variables, quelles informations sont perdues dans le processus? Comment une dichotomisation aide-t-elle dans les analyses?
J'ai eu du mal avec le problème suivant avec, je l'espère, un problème facile pour les statisticiens (je suis un programmeur avec une certaine exposition aux statistiques). Je dois résumer les réponses à une enquête (pour la direction). L'enquête comprend plus de 100 questions, regroupées dans...
Pour les données distribuées approximativement normalement, les boîtes à moustaches sont un excellent moyen de visualiser rapidement la médiane et la répartition des données, ainsi que la présence de valeurs aberrantes. Cependant, pour les distributions plus lourdes, de nombreux points sont...
Pour certaines mesures, les résultats d'une analyse sont présentés de manière appropriée sur l'échelle transformée. Dans la plupart des cas, cependant, il est souhaitable de présenter les résultats sur l'échelle de mesure d'origine (sinon votre travail est plus ou moins sans valeur). Par exemple,...
Soit Qn=Cn.{|Xi−Xj|;i<j}(k)Qn=Cn.{|Xi−Xj|;i<j}(k)Q_n = C_n.\{|X_i-X_j|;i < j\}_{(k)} donc pour un échantillon très court comme {1,3,6,2,7,5}{1,3,6,2,7,5}\{1,3,6,2,7,5\} il peut être calculé en trouvant la statique du kkk ème des différences par paires: 7 6 5 3 2 1 1 6 5 4 2 1 2 5 4 3 1 3 4 3...
Dans ce cas particulier, je fais référence au jour où un lac gèle. Cette date "glacée" n'a lieu qu'une fois par an, mais parfois elle ne se produit pas du tout (si l'hiver est chaud). Ainsi, sur une année, le lac peut geler le jour 20 (20 janvier) et une autre année, il peut ne pas geler du tout....
J'utilise la décomposition en valeurs singulières comme technique de réduction de dimensionnalité. Étant donné des Nvecteurs de dimension D, l'idée est de représenter les entités dans un espace transformé de dimensions non corrélées, qui condense la plupart des informations des données dans les...
Supposons que j'ai une variable dont la distribution est biaisée positivement à un très haut degré, de sorte que la prise du log ne sera pas suffisante pour la ramener dans la plage de biais pour une distribution normale. Quelles sont mes options à ce stade? Que puis-je faire pour transformer la...