统计学 > 应用
[提交于 2018年10月23日
]
标题: 大数据集的拟合优度检验
标题: Goodness-of-Fit Tests for Large Datasets
摘要: 如今,在大数据领域中的数据分析通常与数据挖掘、描述性或探索性统计学相关,例如聚类分析、分类或回归分析。 除了这些技术之外,还有大量来自推断统计学的方法,这些方法在与大数据相关的背景下很少被考虑。 然而,推断方法对于大数据分析也是有用的,特别是用于量化不确定性。 本文将提供一些关于大数据领域中推断方法的方法论和技术问题的见解,以将大数据和推断统计学结合起来,尽管这会带来一些困难。 我们提出一种方法,可以在不假设模型的情况下进行拟合优度检验,并依赖于经验分布。 特别是,该方法能够利用大型数据集的信息。 因此,该方法基于明确的理论背景。 我们专注于广泛使用的柯尔莫哥洛夫-斯米尔诺夫检验,该检验用于统计学中的拟合优度检验。 我们的方法可以轻松并行化,这使其特别适用于分布式数据集,尤其是在计算集群上。 通过这一贡献,我们面向对技术及方法论背景感兴趣的受众,特别是在使用如Spark等大数据工具实现推断统计方法时。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.