প্রশ্ন ট্যাগ «data-transformation»

গাণিতিক পুনঃপ্রকাশ, প্রায়শই অমূল্য, ডেটা মানগুলির। পরিসংখ্যানের মডেলটির অনুমানগুলি মেটাতে বা বিশ্লেষণের ফলাফলগুলিকে আরও ব্যাখ্যাযোগ্য করে তোলার জন্য ডেটা প্রায়শই রূপান্তরিত হয়।

2
অনুপাতের ডেটা রূপান্তরকরণ: যখন আরকসিন বর্গমূল যথেষ্ট হয় না
শতাংশ / অনুপাতের ডেটার জন্য আরকসিন বর্গমূলের রূপান্তরের কোনও (শক্তিশালী?) বিকল্প আছে কি? এই মুহুর্তে আমি যে ডেটা সেটটিতে কাজ করছি সেগুলিতে, আমি এই রূপান্তরটি প্রয়োগ করার পরে চিহ্নিত হেটেরোসেসডাস্টিকালিটি রয়ে গেছে, অর্থাত্‍ স্থায়ী মানগুলির অবশিষ্টাংশের প্লটটি এখনও খুব বেশি rhomboid। মন্তব্যে প্রতিক্রিয়া জানাতে সম্পাদিত: ডেটা হ'ল পরীক্ষামূলক অংশগ্রহণকারীদের বিনিয়োগের …

4
প্রান্ত ক্ষেত্রে যথাযথতা এবং পুনরুদ্ধার জন্য সঠিক মান কি?
যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: p = true positives / (true positives + false positives) এটি সঠিক যে, 0 true positivesএবং false positivesকাছে যাওয়ার সাথে সাথে নির্ভুলতা 1 এ পৌঁছেছে? প্রত্যাহার জন্য একই প্রশ্ন: r = true positives / (true positives + false negatives) আমি বর্তমানে একটি পরিসংখ্যানগত পরীক্ষা বাস্তবায়ন …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

2
অভিন্ন বিতরণ থেকে সূচকীয় বিতরণ এবং তদ্বিপরীত
এটি সম্ভবত একটি তুচ্ছ প্রশ্ন, তবে এই উইকিপিডিয়া নিবন্ধ এবং "বিতরণের সংশ্লেষ" নথি সহ আমার সন্ধান এখন পর্যন্ত ফলদায়ক হতে পারে । যদি এর অভিন্ন বিতরণ থাকে তবে এর অর্থ কি একটি ঘনিষ্ঠ বিতরণ অনুসরণ করে?ই এক্সএক্সএক্সXইএক্সইএক্সe^X একইভাবে, যদি কোনও ঘনিষ্ঠ বিতরণ অনুসরণ করে তবে এর অর্থ একটি অভিন্ন বিতরণ …

2
লগ-ট্রান্সফর্মের পরে স্ট্যান্ডার্ড ত্রুটির গণনা করা হচ্ছে
সাধারণত বিতরণ করা হয় এমন সংখ্যার একটি এলোমেলো সেট বিবেচনা করুন: x <- rnorm(n=1000, mean=10) আমরা গড়টি জানতে চাই এবং গড়টির মানগত ত্রুটি যাতে আমরা নিম্নলিখিতটি করি: se <- function(x) { sd(x)/sqrt(length(x)) } mean(x) # something near 10.0 units se(x) # something near 0.03 units গ্রেট! তবে, ধরে নেওয়া যাক …

2
লগ রূপান্তরটি কি অ-স্বাভাবিক ডেটা-টেস্টিংয়ের জন্য বৈধ কৌশল?
একটি গবেষণাপত্র পর্যালোচনা করে, লেখকরা বলেছিলেন, "স্বাভাবিকতার পূর্বশর্ত অনুমানকে মেটাতে টি পরীক্ষা করার আগে প্রাকৃতিক লোগারিদম ব্যবহার করে ক্রমাগত বিতরণ প্রদর্শনকারী ক্রমাগত ফলাফলের পরিবর্তনগুলি পরিবর্তন করা হয়েছিল।" অ-স্বাভাবিক তথ্য বিশ্লেষণ করার কি এটি একটি গ্রহণযোগ্য উপায়, বিশেষত যদি অন্তর্নিহিত বিতরণ অগত্যা লগমনরমাল না হয়? এটি খুব বোকা প্রশ্ন হতে পারে, …

3
আইসোমেট্রিক লগ-অনুপাতের রূপান্তর কীভাবে সম্পাদন করবেন
আমার কাছে চলাচলমূলক আচরণের সময়গুলি (ঘুমিয়ে যাওয়া, বেদমী এবং শারীরিক ক্রিয়াকলাপে ব্যয় করা সময়) সম্পর্কিত ডেটা রয়েছে যা প্রায় 24 এর সমান (প্রতিদিন প্রতি ঘন্টা হিসাবে)। আমি একটি পরিবর্তনশীল তৈরি করতে চাই যা এই প্রতিটি আচরণে ব্যয় করা আপেক্ষিক সময়কে ক্যাপচার করে - আমাকে বলা হয়েছে যে একটি আইসোমেট্রিক লগ-রেশিও …

5
ডান স্কিউ বিতরণে লগ রূপান্তরটি ব্যবহৃত হওয়ার কারণ কী?
আমি একবার শুনেছি লিনিয়ার রিগ্রেশন বা কোয়ান্টাইল রিগ্রেশন-এ ডান স্কিউ বিতরণের জন্য লগ রূপান্তরটি সবচেয়ে জনপ্রিয় আমি জানতে চাই যে এই বিবৃতিটির অন্তর্নিহিত কোনও কারণ আছে কি? লগ রূপান্তরটি কেন ডান স্কিউ বিতরণের জন্য উপযুক্ত? বাম-স্কিউড বিতরণ সম্পর্কে কীভাবে?

3
"নরমালাইজেশন" বলতে কী বোঝায় এবং কীভাবে যাচাই করবেন যে কোনও নমুনা বা বিতরণকে স্বাভাবিক করা হয়েছে?
আমার একটি প্রশ্ন রয়েছে যাতে এটি ইউনিফর্ম বিতরণ ( Uniform(a,b)Uniform(a,b){\rm Uniform}(a,b) ) স্বাভাবিক করা হয়েছে কিনা তা যাচাই করতে জিজ্ঞাসা করে । একটির জন্য, কোনও বিতরণকে স্বাভাবিক করার অর্থ কী? এবং দুটি, আমরা কীভাবে যাচাই করব যে কোনও বিতরণ স্বাভাবিক হয়েছে কিনা? আমি এক্স - গড় গণনা করে বুঝতে পারি …

2
কোনও মডেলের এআইসির তুলনা এবং এর লগ-ট্রান্সফর্মড সংস্করণ
আমার প্রশ্নের সারমর্মটি হ'ল: যাক গড় সঙ্গে একটি বহুচলকীয় স্বাভাবিক দৈব চলক হতে এবং সহভেদাংক ম্যাট্রিক্স । যাক , অর্থাত্ । আমি কীভাবে পর্যবেক্ষণের সাথে মিলিত কোনও মডেল ফিটের তুলনায় পর্যবেক্ষণ উপলব্ধির সাথে মানানসই একটি মডেলের এআইসি তুলনা করব ? μ Σ জেড : = লগ ( ওয়াই ) টু …

4
এসভিডি / পিসিএর জন্য "নরমালাইজিং" ভেরিয়েবল
ধরুন আমাদের কাছে NNN পরিমাপযোগ্য ভেরিয়েবল রয়েছে, (a1,a2,…,aN)(a1,a2,…,aN)(a_1, a_2, \ldots, a_N) , আমরা পরিমাপের একটি M>NM>NM > N , এবং তারপরে ফলাফলটির জন্য একক মান পচনের জন্য উচ্চতর বৈকল্পের অক্ষগুলি খুঁজে পেতে ইচ্ছুক এন- ডাইমেনশনাল স্পেসে MMM পয়েন্টগুলি । ( নোট: অনুমান মাধ্যমে একটি আমি ইতিমধ্যে বিয়োগ করা হয়েছে, তাই …

2
রিগ্রেশন সহগের পিছনে রূপান্তর
আমি একটি রুপান্তরিত নির্ভরশীল ভেরিয়েবলের সাথে লিনিয়ার রিগ্রেশন করছি। নিম্নলিখিত রূপান্তরটি করা হয়েছিল যাতে অবশিষ্টাংশের স্বাভাবিকতা অনুমান করা যায়। অপরিকল্পিত নির্ভরশীল পরিবর্তনশীলটিকে নেতিবাচকভাবে স্কিউড করা হয়েছিল এবং নিম্নলিখিত রূপান্তরটি এটিকে স্বাভাবিকের নিকটে পরিণত করেছে: Y=50−Yorig−−−−−−−−√Y=50−YorigY=\sqrt{50-Y_{orig}} যেখানে হ'ল মূল স্কেলের উপর নির্ভরশীল পরিবর্তনশীল।YorigYorigY_{orig} আমি মনে করি যে আমাদের মূল স্কেলে ফিরে …

2
মূল উপাদান বিশ্লেষণ করার আগে ডেটা লগ-ট্রান্সফর্মিং কেন?
আমি এখানে একটি টিউটোরিয়াল অনুসরণ করছি: পিসিএ সম্পর্কে আরও ভাল ধারণা অর্জনের জন্য http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ টিউটোরিয়ালটি আইরিস ডেটাसेट ব্যবহার করে এবং পিসিএর পূর্বে লগ রূপান্তর প্রয়োগ করে: লক্ষ্য করুন যে নিম্নলিখিত কোডটিতে আমরা [1] এর পরামর্শ অনুসারে অবিচ্ছিন্ন ভেরিয়েবলগুলিতে একটি লগ রূপান্তরকরণ প্রয়োগ করি এবং পিসিএ প্রয়োগের পূর্বে ভেরিয়েবলগুলি মানীকরণের জন্য …

2
কেন রূপান্তরিত ভেরিয়েবলের সাথে এলএলএম থেকে জিএলএম আলাদা হয়
হিসাবে ব্যাখ্যা করা এই কোর্সের বিলিপত্র (পৃষ্ঠা 1) , একটি রৈখিক মডেল আকারে লেখা যেতে পারে: y=β1x1+⋯+βpxp+εi,y=β1x1+⋯+βpxp+εi, y = \beta_1 x_{1} + \cdots + \beta_p x_{p} + \varepsilon_i, যেখানে yyy হ'ল প্রতিক্রিয়া পরিবর্তনশীল এবং xixix_{i} হ'ল ithithi^{th} ব্যাখ্যামূলক পরিবর্তনশীল। প্রায়শই পরীক্ষার অনুমানগুলি পূরণের লক্ষ্য নিয়ে, কেউ প্রতিক্রিয়ার পরিবর্তনশীলকে রূপান্তর করতে …

2
জিএলএমগুলির জন্য রূপান্তরকরণকে সাধারণকরণের ব্যয়
\newcommand{\E}{\mathbb{E}} the ক ( ⋅ ) = ∫ d ইউভী 1 / 3 ( μ )A(⋅)=∫duV1/3(μ)A(\cdot) = \displaystyle\int\frac{du}{V^{1/3}(\mu)} the ঘনিষ্ঠ পরিবারে রূপান্তরকরণকে সাধারণকরণ করা হয় উদ্ভূত? আরও সুনির্দিষ্টভাবে : আমি এখানে পৃষ্ঠাগুলি 3 এর টেলর এক্সপেনশন স্কেচটি অনুসরণ করার চেষ্টা করেছি, 1 টি স্লাইড এখানে কিন্তু বেশ কয়েকটি প্রশ্ন রয়েছে। …

4
ডেটা ট্রান্সফর্ম করার সময় সমস্যাগুলি এড়াতে হবে?
দ্বিগুণ প্রতিক্রিয়ার পরিবর্তনের পরে আমি আমার এবং ভেরিয়েবলের মধ্যে একটি শক্তিশালী রৈখিক সম্পর্ক অর্জন করেছি । মডেলটি তবে আমি এটিকে .১৯ থেকে .76 from থেকে rac উন্নত করে rac ফ্র্যাক্স q স্ক্র্যাট to এ রূপান্তরিত করেছি।XXXYYYY∼XY∼XY\sim XYX−−√∼X−−√YX∼X\sqrt{\frac{Y}{X}}\sim \sqrt{X}R2R2R^2 স্পষ্টতই আমি এই সম্পর্কে কিছু শালীন অস্ত্রোপচার করেছি। অতিরিক্ত পরিবর্তনের ঝুঁকি বা …

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.