q********n
发帖数: 308 | 1 说是半小时，不知道能讲点什么？
一个小的网上购物公司 |
t******g
发帖数: 2253 | 2 看下job description, 有针对性做下准备
自己的简历过几遍，想想怎么介绍自己做的projects等 |
c********h
发帖数: 330 | 3 半小时应该问不了啥实质内容，估计就简历问问，再几个behavior。你再准备几个问题
问他们 |
q********n
发帖数: 308 | 4 忘了，第一题还问了t-test, significant什么的，不明白，没学过统计。
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
|
c********1
发帖数: 60 | 5 谢谢分享！很有意思的题目
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
|
c********1
发帖数: 60 | 6 不知道版上各位大牛对第三题有什么想法没？我有一个比较粗浅的想法，也不太肯定是
否make sense:建立一个数据库，退货率是其中一个variable，还有其他的varaible像
是商品的相关信息和客户的相关信息。以退货率之外的其他所有变量对退货率做一个
regularized regression，选取其中显著的变量，然后进一步研究被选取变量和退货率
的关系。到了这一步多半得用business sense了。 |
s*********h
发帖数: 6288 | 7 我的粗浅的想法：
如果客户基本不做重复购买，比如像亚马逊那种，退货和不退货就是binary的，有很多
方法可以搞。
如果是企业级客户，就用GLM的binomial试试？
【在 c********1 的大作中提到】
: 不知道版上各位大牛对第三题有什么想法没？我有一个比较粗浅的想法，也不太肯定是
: 否make sense:建立一个数据库，退货率是其中一个variable，还有其他的varaible像
: 是商品的相关信息和客户的相关信息。以退货率之外的其他所有变量对退货率做一个
: regularized regression，选取其中显著的变量，然后进一步研究被选取变量和退货率
: 的关系。到了这一步多半得用business sense了。
|
q********n
发帖数: 308 | 8 展开说说，这个太浮于水面了。
【在 s*********h 的大作中提到】
: 我的粗浅的想法：
: 如果客户基本不做重复购买，比如像亚马逊那种，退货和不退货就是binary的，有很多
: 方法可以搞。
: 如果是企业级客户，就用GLM的binomial试试？
|
L******t
发帖数: 585 | 9 电面就问技术问题啊
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
|
O*********h
发帖数: 140 | 10
请教一下，Q2的假变量指的是什么？dummy variable?
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
|
|
|
q********n
发帖数: 308 | 11 不是，就是建模型的时候本来需要比如说2000个变量，结果用了4000个，所以一半变量
其实用不着，问如何挑出这些来。
【在 O*********h 的大作中提到】
:
: 请教一下，Q2的假变量指的是什么？dummy variable?
|
O*********h
发帖数: 140 | 12 请问现在业内通常是如何选择的呢？
通常social science习惯用step-wise看每个variable对explained sum of squares的
贡献。按照这个case，MSS阀值以下的变量就被抛弃了。
抱歉歪了下楼：）我是social science出身，正在学习ML的term和校正对ML一些实现的
理解。
【在 q********n 的大作中提到】
: 不是，就是建模型的时候本来需要比如说2000个变量，结果用了4000个，所以一半变量
: 其实用不着，问如何挑出这些来。
|
O*********h
发帖数: 140 | 13 说下我对退货率问题的看法。既然是退货率，必然涉及退货，所以公司对退货cases的
了解有多深入？比如，哪些客户，买了哪些产品，期间是否受到recommendation
system的影响等等，组成的segment(s)比较容易退货？
基于上面的逻辑，先根据business sense做segmentation。对于和结果关联紧密的
segmentation可以直接汇报，或者进一步modeling drivers；不紧密的要么抛弃，要么
再细分。
顺便问一下，如果在这个case用neural network，可不可以理解为对数据先做数量未知
的segmentation，然后再研究/预测每个segment对return的影响？
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
|
n*******y
发帖数: 437 | 14 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
confidence level很高，也就是误以为参数ai的standard error很小，confident
interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
在你会误以为它significant。
比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
看data的人发现哇靠量了10000人全是6'6"... |
q********n
发帖数: 308 | 15 正解，能说说看得哪本书么？我看过一些统计的书和资料，但总觉得没看到过这种的，
可能是看的书的类型不对？
【在 n*******y 的大作中提到】
: 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
: 把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
: 的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
: confidence level很高，也就是误以为参数ai的standard error很小，confident
: interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
: 在你会误以为它significant。
: 比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
: 看data的人发现哇靠量了10000人全是6'6"...
|
A****t
发帖数: 141 | 16 没错，如果只是把数据copy几遍来增加sample size，没有提供更多的信息。其实在
inference上也会得到一样的结果。如果是linear model的话，copy以后的data point
不再是独立，model assumption就不一样了。
【在 n*******y 的大作中提到】
: 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
: 把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
: 的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
: confidence level很高，也就是误以为参数ai的standard error很小，confident
: interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
: 在你会误以为它significant。
: 比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
: 看data的人发现哇靠量了10000人全是6'6"...
|
c*******2
发帖数: 8 | 17 第一题确实是point estimation不会变，想一想estimate parameter 用的 normal
equation就知道了。
但是confidence interval, hypothesis testing 会变，因为standard error里面分母
的n变成2n了，所以standard error变小了，更容易得到significant的结果，可能会增
加Type I error的概率。 |
A****t
发帖数: 141 | 18 copy产生的数据要考虑correlation，比如简单的t test， 算standard error得到的结
果是一样的。point estimate不变，hypothesis testing的结果也应该不变 |
b********h
发帖数: 2451 | 19 你面的啥职位？
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
|
n*******y
发帖数: 437 | 20 我看的是an introduction to statistical learning with applications in R
http://pan.baidu.com/wap/link?uk=1765079087&shareid=2552203541&
这个书语言比较通俗，内容比较浅吧。我想看完了再看专业点的。。。
（科比不是这个书上讲的）
最好有网络课程就好了，我觉得浅显的书也不如听啊。大家知道有这方面的网络课程吗
？我看了一下coursera上JHU的statistical inference，全是数学，讲的不太好懂
【在 q********n 的大作中提到】
: 正解，能说说看得哪本书么？我看过一些统计的书和资料，但总觉得没看到过这种的，
: 可能是看的书的类型不对？
|
|
|
q********n
发帖数: 308 | 21 data scientist 啊
【在 b********h 的大作中提到】
: 你面的啥职位？
|
w**2
发帖数: 147 | 22 请问，
二是模型有2000个变量，有一半是假的，问如何甄别？
能解释“假的”吗？是noisy吗？ |
q********n
发帖数: 308 | 23 什么是 noisy？哪行的术语？
【在 w**2 的大作中提到】
: 请问，
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 能解释“假的”吗？是noisy吗？
|
k******g
发帖数: 24 | 24 Q2用step-wise的F-test是最传统的统计方法吧？新手，请指正。 |
j*******l
发帖数: 31 | |
F*****n
发帖数: 1552 | 26 这个要怒赞一把，太好了！我就看了三节课，立马明白上次面试为什么挂掉了。很久没
有这种听君一席话，胜读十年书的感觉了。
【在 j*******l 的大作中提到】
: 网络课
: http://www.r-bloggers.com/in-depth-introduction-to-machine-lear
|
T*****u
发帖数: 7103 | 27 我对q3的粗浅理解，两个方面，一个是针对客户/销售/marketing的，一个是针对产品/
process提高质量口味的。送儿子上学，回来说。 |
r*********o
发帖数: 490 | |
y*******n
发帖数: 99 | 29 没懂，为什么confidence level会变，样本的distribution不是没有没变吗？
如果这样能够改变confidence level？ Bootstrap怎么讲？
不太懂统计，求指教
【在 n*******y 的大作中提到】
: 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
: 把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
: 的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
: confidence level很高，也就是误以为参数ai的standard error很小，confident
: interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
: 在你会误以为它significant。
: 比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
: 看data的人发现哇靠量了10000人全是6'6"...
|
s******t
发帖数: 71 | 30 Q1:
year <- c(2000 , 2001 , 2002 , 2003 , 2004)
rate <- c(9.34 , 8.50 , 7.62 , 6.93 , 6.60)
cor(year,rate)
fit1 = lm(rate~year)
summary(fit1)
year2 = rep(year, 100)
rate2 = rep(rate, 100)
cor(year2,rate2)
fit2 = lm(rate2~year2)
summary(fit2)
> summary(fit1)
Call:
lm(formula = rate ~ year)
Residuals:
1 2 3 4 5
0.132 -0.003 -0.178 -0.163 0.212
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1419.20800 126.94957 11.18 0.00153 **
year -0.70500 0.06341 -11.12 0.00156 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.2005 on 3 degrees of freedom
Multiple R-squared: 0.9763, Adjusted R-squared: 0.9684
F-statistic: 123.6 on 1 and 3 DF, p-value: 0.001559
> summary(fit2)
Call:
lm(formula = rate2 ~ year2)
Residuals:
Min 1Q Median 3Q Max
-0.178 -0.163 -0.003 0.132 0.212
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.419e+03 9.853e+00 144.0 <2e-16 ***
year2 -7.050e-01 4.922e-03 -143.2 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.1556 on 498 degrees of freedom
Multiple R-squared: 0.9763, Adjusted R-squared: 0.9763
F-statistic: 2.052e+04 on 1 and 498 DF, p-value: < 2.2e-16
So after copying the data for 100 times, the estimates remain the same, but
the std.error drops dramatically. And t value is much large, t-test is much
more significant. |
|
|
q********n
发帖数: 308 | 31 说是半小时，不知道能讲点什么？
一个小的网上购物公司
---------------------------------
一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
高模型精确度，需要解释为何？
二是模型有2000个变量，有一半是假的，问如何甄别？
三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
法降低退货率。 |
t******g
发帖数: 2253 | 32 看下job description, 有针对性做下准备
自己的简历过几遍，想想怎么介绍自己做的projects等 |
c********h
发帖数: 330 | 33 半小时应该问不了啥实质内容，估计就简历问问，再几个behavior。你再准备几个问题
问他们 |
q********n
发帖数: 308 | 34 忘了，第一题还问了t-test, significant什么的，不明白，没学过统计。
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
: ---------------------------------
: 一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
: 高模型精确度，需要解释为何？
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
: 法降低退货率。
|
c********1
发帖数: 60 | 35 谢谢分享！很有意思的题目
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
: ---------------------------------
: 一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
: 高模型精确度，需要解释为何？
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
: 法降低退货率。
|
c********1
发帖数: 60 | 36 不知道版上各位大牛对第三题有什么想法没？我有一个比较粗浅的想法，也不太肯定是
否make sense:建立一个数据库，退货率是其中一个variable，还有其他的varaible像
是商品的相关信息和客户的相关信息。以退货率之外的其他所有变量对退货率做一个
regularized regression，选取其中显著的变量，然后进一步研究被选取变量和退货率
的关系。到了这一步多半得用business sense了。 |
s*********h
发帖数: 6288 | 37 我的粗浅的想法：
如果客户基本不做重复购买，比如像亚马逊那种，退货和不退货就是binary的，有很多
方法可以搞。
如果是企业级客户，就用GLM的binomial试试？
【在 c********1 的大作中提到】
: 不知道版上各位大牛对第三题有什么想法没？我有一个比较粗浅的想法，也不太肯定是
: 否make sense:建立一个数据库，退货率是其中一个variable，还有其他的varaible像
: 是商品的相关信息和客户的相关信息。以退货率之外的其他所有变量对退货率做一个
: regularized regression，选取其中显著的变量，然后进一步研究被选取变量和退货率
: 的关系。到了这一步多半得用business sense了。
|
q********n
发帖数: 308 | 38 展开说说，这个太浮于水面了。
【在 s*********h 的大作中提到】
: 我的粗浅的想法：
: 如果客户基本不做重复购买，比如像亚马逊那种，退货和不退货就是binary的，有很多
: 方法可以搞。
: 如果是企业级客户，就用GLM的binomial试试？
|
L******t
发帖数: 585 | 39 电面就问技术问题啊
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
: ---------------------------------
: 一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
: 高模型精确度，需要解释为何？
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
: 法降低退货率。
|
O*********h
发帖数: 140 | 40
请教一下，Q2的假变量指的是什么？dummy variable?
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
: ---------------------------------
: 一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
: 高模型精确度，需要解释为何？
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
: 法降低退货率。
|
|
|
q********n
发帖数: 308 | 41 不是，就是建模型的时候本来需要比如说2000个变量，结果用了4000个，所以一半变量
其实用不着，问如何挑出这些来。
【在 O*********h 的大作中提到】
:
: 请教一下，Q2的假变量指的是什么？dummy variable?
|
O*********h
发帖数: 140 | 42 请问现在业内通常是如何选择的呢？
通常social science习惯用step-wise看每个variable对explained sum of squares的
贡献。按照这个case，MSS阀值以下的变量就被抛弃了。
抱歉歪了下楼：）我是social science出身，正在学习ML的term和校正对ML一些实现的
理解。
【在 q********n 的大作中提到】
: 不是，就是建模型的时候本来需要比如说2000个变量，结果用了4000个，所以一半变量
: 其实用不着，问如何挑出这些来。
|
O*********h
发帖数: 140 | 43 说下我对退货率问题的看法。既然是退货率，必然涉及退货，所以公司对退货cases的
了解有多深入？比如，哪些客户，买了哪些产品，期间是否受到recommendation
system的影响等等，组成的segment(s)比较容易退货？
基于上面的逻辑，先根据business sense做segmentation。对于和结果关联紧密的
segmentation可以直接汇报，或者进一步modeling drivers；不紧密的要么抛弃，要么
再细分。
顺便问一下，如果在这个case用neural network，可不可以理解为对数据先做数量未知
的segmentation，然后再研究/预测每个segment对return的影响？
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
: ---------------------------------
: 一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
: 高模型精确度，需要解释为何？
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
: 法降低退货率。
|
n*******y
发帖数: 437 | 44 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
confidence level很高，也就是误以为参数ai的standard error很小，confident
interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
在你会误以为它significant。
比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
看data的人发现哇靠量了10000人全是6'6"... |
q********n
发帖数: 308 | 45 正解，能说说看得哪本书么？我看过一些统计的书和资料，但总觉得没看到过这种的，
可能是看的书的类型不对？
【在 n*******y 的大作中提到】
: 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
: 把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
: 的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
: confidence level很高，也就是误以为参数ai的standard error很小，confident
: interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
: 在你会误以为它significant。
: 比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
: 看data的人发现哇靠量了10000人全是6'6"...
|
A****t
发帖数: 141 | 46 没错，如果只是把数据copy几遍来增加sample size，没有提供更多的信息。其实在
inference上也会得到一样的结果。如果是linear model的话，copy以后的data point
不再是独立，model assumption就不一样了。
【在 n*******y 的大作中提到】
: 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
: 把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
: 的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
: confidence level很高，也就是误以为参数ai的standard error很小，confident
: interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
: 在你会误以为它significant。
: 比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
: 看data的人发现哇靠量了10000人全是6'6"...
|
c*******2
发帖数: 8 | 47 第一题确实是point estimation不会变，想一想estimate parameter 用的 normal
equation就知道了。
但是confidence interval, hypothesis testing 会变，因为standard error里面分母
的n变成2n了，所以standard error变小了，更容易得到significant的结果，可能会增
加Type I error的概率。 |
A****t
发帖数: 141 | 48 copy产生的数据要考虑correlation，比如简单的t test， 算standard error得到的结
果是一样的。point estimate不变，hypothesis testing的结果也应该不变 |
b********h
发帖数: 2451 | 49 你面的啥职位？
【在 q********n 的大作中提到】
: 说是半小时，不知道能讲点什么？
: 一个小的网上购物公司
: ---------------------------------
: 一是问了regression的时候，老板让你把数据copy几次造成更多的数据，这样能不能提
: 高模型精确度，需要解释为何？
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 三他们公司一直是有退货率高的问题，问有没有什么idea如何用machine learning的办
: 法降低退货率。
|
n*******y
发帖数: 437 | 50 我看的是an introduction to statistical learning with applications in R
http://pan.baidu.com/wap/link?uk=1765079087&shareid=2552203541&
这个书语言比较通俗，内容比较浅吧。我想看完了再看专业点的。。。
（科比不是这个书上讲的）
最好有网络课程就好了，我觉得浅显的书也不如听啊。大家知道有这方面的网络课程吗
？我看了一下coursera上JHU的statistical inference，全是数学，讲的不太好懂
【在 q********n 的大作中提到】
: 正解，能说说看得哪本书么？我看过一些统计的书和资料，但总觉得没看到过这种的，
: 可能是看的书的类型不对？
|
|
|
q********n
发帖数: 308 | 51 data scientist 啊
【在 b********h 的大作中提到】
: 你面的啥职位？
|
w**2
发帖数: 147 | 52 请问，
二是模型有2000个变量，有一半是假的，问如何甄别？
能解释“假的”吗？是noisy吗？ |
q********n
发帖数: 308 | 53 什么是 noisy？哪行的术语？
【在 w**2 的大作中提到】
: 请问，
: 二是模型有2000个变量，有一半是假的，问如何甄别？
: 能解释“假的”吗？是noisy吗？
|
k******g
发帖数: 24 | 54 Q2用step-wise的F-test是最传统的统计方法吧？新手，请指正。 |
j*******l
发帖数: 31 | |
F*****n
发帖数: 1552 | 56 这个要怒赞一把，太好了！我就看了三节课，立马明白上次面试为什么挂掉了。很久没
有这种听君一席话，胜读十年书的感觉了。
【在 j*******l 的大作中提到】
: 网络课
: http://www.r-bloggers.com/in-depth-introduction-to-machine-lear
|
T*****u
发帖数: 7103 | 57 我对q3的粗浅理解，两个方面，一个是针对客户/销售/marketing的，一个是针对产品/
process提高质量口味的。送儿子上学，回来说。 |
r*********o
发帖数: 490 | |
y*******n
发帖数: 99 | 59 没懂，为什么confidence level会变，样本的distribution不是没有没变吗？
如果这样能够改变confidence level？ Bootstrap怎么讲？
不太懂统计，求指教
【在 n*******y 的大作中提到】
: 我也在学统计，第一题我刚刚看书看到，跟大家交流一下，希望指正～
: 把数据copy几次得到更多数据，但是redundent数据，不能提供更多的信息。所以得到
: 的模型式子不变（y = a1x1 + a2x2 + ...），但是我们会误以为这个模型的
: confidence level很高，也就是误以为参数ai的standard error很小，confident
: interval很窄。可能本来一个参数会在hypothesis test里边被认为insignificant，现
: 在你会误以为它significant。
: 比如想知道全美男子的平均身高，但是只量了一个人科比，然后把data复制10000次。
: 看data的人发现哇靠量了10000人全是6'6"...
|
s******t
发帖数: 71 | 60 Q1:
year <- c(2000 , 2001 , 2002 , 2003 , 2004)
rate <- c(9.34 , 8.50 , 7.62 , 6.93 , 6.60)
cor(year,rate)
fit1 = lm(rate~year)
summary(fit1)
year2 = rep(year, 100)
rate2 = rep(rate, 100)
cor(year2,rate2)
fit2 = lm(rate2~year2)
summary(fit2)
> summary(fit1)
Call:
lm(formula = rate ~ year)
Residuals:
1 2 3 4 5
0.132 -0.003 -0.178 -0.163 0.212
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1419.20800 126.94957 11.18 0.00153 **
year -0.70500 0.06341 -11.12 0.00156 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.2005 on 3 degrees of freedom
Multiple R-squared: 0.9763, Adjusted R-squared: 0.9684
F-statistic: 123.6 on 1 and 3 DF, p-value: 0.001559
> summary(fit2)
Call:
lm(formula = rate2 ~ year2)
Residuals:
Min 1Q Median 3Q Max
-0.178 -0.163 -0.003 0.132 0.212
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.419e+03 9.853e+00 144.0 <2e-16 ***
year2 -7.050e-01 4.922e-03 -143.2 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.1556 on 498 degrees of freedom
Multiple R-squared: 0.9763, Adjusted R-squared: 0.9763
F-statistic: 2.052e+04 on 1 and 498 DF, p-value: < 2.2e-16
So after copying the data for 100 times, the estimates remain the same, but
the std.error drops dramatically. And t value is much large, t-test is much
more significant. |
|
|
h******e
发帖数: 666 | 61 这个和bootstrap有啥不同？
谢谢
point
【在 A****t 的大作中提到】
: 没错，如果只是把数据copy几遍来增加sample size，没有提供更多的信息。其实在
: inference上也会得到一样的结果。如果是linear model的话，copy以后的data point
: 不再是独立，model assumption就不一样了。
|
