প্রশ্ন ট্যাগ «continuous-data»

একটি এলোমেলো পরিবর্তনশীল X যদি এর সম্ভাব্য মানগুলির সেটটি অগণনীয় হয় তবে অবিচ্ছিন্ন বলা হয় এবং এটি কোনও নির্দিষ্ট মান গ্রহণের সুযোগ শূন্য হয় (P(X=x)=0 প্রতিটি আসল সংখ্যার জন্য এক্স)। একটি র‌্যান্ডম ভেরিয়েবল অবিচ্ছিন্ন থাকে এবং কেবল যদি তার সংশ্লেষিত সম্ভাবনা বিতরণ ফাংশনটি একটি অবিচ্ছিন্ন ফাংশন হয়।

6
আনর্ডার্ডযুক্ত শ্রেণিবদ্ধ ভেরিয়েবলগুলির সাথে সম্পর্কিত
আমার কাছে অনেকগুলি পর্যবেক্ষণ এবং অনেক ভেরিয়েবল সহ একটি ডেটাফ্রেম রয়েছে। এর মধ্যে কয়েকটি শ্রেণিবদ্ধ (নিরক্ষিত) এবং অন্যগুলি সংখ্যাগত are আমি এই ভেরিয়েবলগুলির মধ্যে সমিতিগুলির সন্ধান করছি for আমি সংখ্যার ভেরিয়েবলের জন্য পারস্পরিক সম্পর্ক গণনা করতে সক্ষম হয়েছি (স্পিয়ারম্যানের পারস্পরিক সম্পর্ক) তবে: আমি জানি না কীভাবে অর্ডারযুক্ত শ্রেণিবদ্ধ ভেরিয়েবলগুলির মধ্যে …

7
অবিচ্ছিন্নভাবে ভবিষ্যদ্বাণীকারী ভেরিয়েবলটি ভাঙার সুবিধা কী?
আমি ভাবছি যে কোনও মডেল ব্যবহার করার আগে একটি অবিচ্ছিন্ন ভবিষ্যদ্বাণী ভেরিয়েবল গ্রহণ এবং এটি ভেঙে ফেলার (উদাহরণস্বরূপ, কুইন্টাইলগুলিতে) মান কী is ভেরিয়েবলটি বিন্যস্ত করে আমার কাছে তথ্য হারাবে বলে মনে হয়। এটি কি তাই আমরা অ-লিনিয়ার প্রভাবগুলি মডেল করতে পারি? যদি আমরা চলকটিকে অবিচ্ছিন্নভাবে রাখি এবং এটি সত্যিকারের সরল …

1
নামমাত্র (চতুর্থ) এবং একটি অবিচ্ছিন্ন (ডিভি) ভেরিয়েবলের মধ্যে সম্পর্ক
আমার কাছে নামমাত্র পরিবর্তনশীল (কথোপকথনের বিভিন্ন বিষয়, টপিক ০ = 0 ইত্যাদি হিসাবে কোডেড) এবং একটি কথোপকথনের দৈর্ঘ্যের মতো অনেকগুলি স্কেল ভেরিয়েবল (ডিভি) রয়েছে। আমি কীভাবে নামমাত্র এবং স্কেল ভেরিয়েবলের মধ্যে পারস্পরিক সম্পর্ক স্থাপন করতে পারি?

3
একটি উদাহরণ: বাইনারি ফলাফলের জন্য গ্ল্যামনেট ব্যবহার করে লাসো রিগ্রেশন
আমি লাসো রিগ্রেশন সহ যেখানে আমার আগ্রহের ফলাফলটি দ্বিধাহীন তা ব্যবহার glmnetকরে ধকল শুরু করছি । আমি নীচে একটি ছোট মক ডেটা ফ্রেম তৈরি করেছি: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 


8
ধারাবাহিক তথ্যটিকে অবিচ্ছিন্ন হিসাবে গণ্য করা কি কখনও বুদ্ধিযুক্ত?
পৃথক এবং অবিচ্ছিন্ন ডেটা সম্পর্কে এই প্রশ্নের উত্তর দেওয়ার জন্য আমি গম্ভীরভাবে দৃserted়ভাবে জানিয়েছিলাম যে বিভাগগত তথ্যটিকে ধারাবাহিক হিসাবে গণ্য করা খুব কমই বোধগম্য। এটির মুখটি যা স্বতঃস্ফূর্ত বলে মনে হয় তবে স্বজ্ঞাততা প্রায়শই পরিসংখ্যানগুলির জন্য একটি দুর্বল গাইড বা কমপক্ষে আমার mine তাই এখন আমি ভাবছি: এটা কি সত্য? …

5
উভয় পৃথক এবং অবিচ্ছিন্ন ভেরিয়েবল সহ একটি ডেটাসেট ক্লাস্টারিং
আমার একটি ডেটাসেট এক্স রয়েছে যার 10 টি মাত্রা রয়েছে যার মধ্যে 4 টি আলাদা মান। আসলে, এই 4 টি পৃথক ভেরিয়েবলগুলি অর্ডিনাল, অর্থাত্ একটি উচ্চতর মান উচ্চতর / আরও ভাল শব্দার্থ বোঝায়। এই পৃথক ভেরিয়েবলগুলির মধ্যে 2 এই অর্থে শ্রেণিবদ্ধ যে এই প্রতিটি পরিবর্তকের জন্য, 11 থেকে 12 পর্যন্ত …

4
ধারাবাহিক এবং শ্রেণিবদ্ধ উভয় বৈশিষ্ট্য নিয়ে ভবিষ্যদ্বাণী করা
কিছু ভবিষ্যদ্বাণীপূর্ণ মডেলিং কৌশলগুলি ধারাবাহিক ভবিষ্যদ্বাণীদের পরিচালনা করার জন্য আরও বেশি নকশাকৃত, অন্যরা শ্রেণিবদ্ধ বা বিচ্ছিন্ন ভেরিয়েবলগুলি পরিচালনা করার জন্য আরও ভাল। অবশ্যই এক প্রকারকে অন্য ধরণের রূপান্তর করার কৌশল রয়েছে (বিবেচনামূলককরণ, ডামি ভেরিয়েবলস ইত্যাদি)। তবে, এমন কোন ভবিষ্যদ্বাণীপূর্ণ মডেলিং কৌশল রয়েছে যা কেবলমাত্র বৈশিষ্ট্যগুলির ধরণের পরিবর্তন না করে একই …

2
নেতিবাচক দ্বিপদী বিতরণ অবিচ্ছিন্ন সাধারণীকরণ
Gণাত্মক দ্বিপদী (এনবি) বিতরণটি অ-নেতিবাচক পূর্ণসংখ্যার উপর সংজ্ঞায়িত করা হয়েছে এবং সম্ভাব্য ভর ফাংশন f(k;r,p)=(k+r−1k)pk(1−p)r.f(k;r,p)=(k+r−1k)pk(1−p)r.f(k;r,p)={\binom {k+r-1}{k}}p^{k}(1-p)^{r}.একই সূত্র দ্বারা নির্ধারিত অ-নেতিবাচক বাস্তবগুলির উপর একটি অবিচ্ছিন্ন বিতরণ বিবেচনা করার কী অর্থ হয়? ( k∈N0k∈N0k\in \mathbb N_0 দ্বারা x∈R≥0x∈R≥0x\in\mathbb R_{\ge 0} ) প্রতিস্থাপন করা হবে ? বাইনোমিয়াল সহগকে (কে + 1) \ সিডট …

2
কখন আমাদের অব্যাহতভাবে স্বাধীন ভেরিয়েবলগুলি / বৈশিষ্ট্যগুলি বিন্যস্ত করা উচিত এবং কখন করা উচিত নয়?
আমাদের কখন বিন / স্বতন্ত্র চলক / বৈশিষ্ট্য বিবেচনা করা উচিত এবং কখন করা উচিত নয়? প্রশ্নের উত্তর দেওয়ার জন্য আমার প্রচেষ্টা: সাধারণভাবে, আমাদের বিন করা উচিত নয়, কারণ বিনিংয়ের তথ্য হারাবে। বিনিং আসলে মডেলের স্বাধীনতার ডিগ্রি বাড়িয়ে তুলছে, সুতরাং, বিনিংয়ের পরে ওভার-ফিটিং হওয়া সম্ভব। যদি আমাদের কাছে "হাই বায়াস" …

2
দুটি র্যান্ডম ভেরিয়েবলের যোগফল হিসাবে অভিন্ন র্যান্ডম ভেরিয়েবল
গ্রিমেট এবং স্ট্রাইজার থেকে নেওয়া : দেখান যে এটির ক্ষেত্রে ইউ = এক্স + ওয়াই হতে পারে না U=X+YU=X+Yযেখানে ইউUU অভিন্নভাবে বিতরণ করা হয় [0,1] এবং এক্সXX এবং ওয়াইYY স্বতন্ত্র এবং অভিন্নভাবে বিতরণ করা হয়। আপনার ধরে নেওয়া উচিত নয় যে এক্স এবং ওয়াই অবিচ্ছিন্ন পরিবর্তনশীল। কেস যেখানে জন্য অসঙ্গতি …

1
নকশাযুক্ত পরীক্ষায় আনোভা এবং আনকোভার মধ্যে কীভাবে চয়ন করবেন?
আমি একটি পরীক্ষা নিরীক্ষণ করছি যার মধ্যে নিম্নলিখিত রয়েছে: ডিভি: স্লাইস খরচ (ক্রমাগত বা শ্রেণিবদ্ধ হতে পারে) চতুর্থ: স্বাস্থ্যকর বার্তা, অস্বাস্থ্যকর বার্তা, কোনও বার্তা (নিয়ন্ত্রণ) (3 টি গ্রুপে মানুষ এলোমেলোভাবে নিযুক্ত করা হয় - শ্রেণিবদ্ধ) এটি ফালিটির স্বাস্থ্যকরতা সম্পর্কে ম্যানিপুলেটেড বার্তা। নিম্নলিখিত চতুর্থ ব্যক্তি পৃথক পার্থক্য ভেরিয়েবল হিসাবে বিবেচনা করা …


2
ধারাবাহিক ডেটা থেকে শ্রেণীবদ্ধে যাওয়া কি সর্বদা ভুল?
আমি যখন আপনার ডেটা সেটআপ করব সে সম্পর্কে আমি যখন পড়ি তখন একটি বিষয় আমি প্রায়শই দেখতে পেলাম যে কয়েকটি ধারাবাহিক তথ্যকে শ্রেণিবদ্ধ ডেটাতে রূপান্তর করা ভাল ধারণা নয়, যেহেতু থ্রেশহোল্ডগুলি দুর্বলভাবে নির্ধারিত হয় তবে আপনি ভুল উপসংহারটি করতে পারেন। যাইহোক, আমার কাছে বর্তমানে কিছু তথ্য রয়েছে (প্রস্টেট ক্যান্সার রোগীদের …

1
অর্ডিনাল এবং একটি অবিচ্ছিন্ন পরিবর্তনশীল মধ্যে পারস্পরিক সম্পর্ক সঠিকভাবে মূল্যায়ন কিভাবে?
আমি এর মধ্যে পারস্পরিক সম্পর্ক অনুমান করতে চাই: একটি নিয়মিত পরিবর্তনশীল: বিষয়গুলিকে 1-5 স্কেলের 6 প্রকারের ফলের জন্য তাদের পছন্দগুলি রেট করতে বলা হয় (অত্যন্ত বিরক্তিকর থেকে খুব সুস্বাদু থেকে শুরু করে) গড় বিষয়গুলিতে স্কেলের মাত্র 3 পয়েন্ট ব্যবহার করা হয়। একটি অবিচ্ছিন্ন পরিবর্তনশীল: একই বিষয়গুলি দ্রুত এই ফলগুলি সনাক্ত …

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.