Вопросы с тегом «covariance»

У меня возникают проблемы при создании набора стационарных цветных временных рядов, учитывая их ковариационную матрицу (их спектральные плотности мощности (PSD) и спектральные плотности перекрестных мощностей (CSD)). Я знаю, что, учитывая два временных ряда и , я могу оценить их спектральные плотности мощности (PSD) и кросс-спектральные плотности (CSD), используя многие широко …

20 time-series  sampling  algorithms  simulation  covariance 

Если у нас есть 2 нормальные некоррелированные случайные величины то мы можем создать 2 коррелированные случайные величины с формулойИкс1, X2X1,X2X_1, X_2 Y= ρ X1+ 1 - ρ2-----√Икс2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 и тогда у будет корреляция с .ρ X 1YYYρρ\rhoИкс1X1X_1 Может кто-нибудь объяснить, откуда взялась эта формула?

19 correlation  normal-distribution  covariance 

В основном меня интересует, как применяются различные ковариационные структуры и как рассчитываются значения внутри этих матриц. Такие функции, как lme (), позволяют нам выбирать, какую структуру мы бы хотели, но я бы хотел знать, как они оцениваются. Рассмотрим модель линейных смешанных эффектов .Y= Xβ+ Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon Где и . Более того:ε …

19 mixed-model  random-effects-model  covariance  covariance-matrix 

Если данные равны 1d, дисперсия показывает, насколько точки данных отличаются друг от друга. Если данные многомерны, мы получим ковариационную матрицу. Существует ли мера, которая дает единственное число, как точки данных отличаются друг от друга в целом для многомерных данных? Я чувствую, что уже может быть много решений, но я не …

17 variance  covariance  covariance-matrix 

Прежде всего, я не спрашиваю это: Почему нулевая корреляция не подразумевает независимость? Это решено (довольно красиво) здесь: /math/444408/why-does-zero-correlation-not-imply-independence Я спрашиваю об обратном ... скажем, две переменные полностью независимы друг от друга. Разве они не могли случайно обнаружить корреляцию? Не должно ли это быть ... независимость подразумевает ОЧЕНЬ МАЛЕНЬКУЮ корреляцию?

16 correlation  mathematical-statistics  covariance  independence 

У меня есть блок GPS, который выводит измерение шума через ковариационную матрицу ΣΣ\Sigma : Σ=⎡⎣⎢σxxσyxσxzσxyσyyσyzσxzσyzσzz⎤⎦⎥Σ=[σxxσxyσxzσyxσyyσyzσxzσyzσzz]\Sigma = \left[\begin{matrix} \sigma_{xx} & \sigma_{xy} & \sigma_{xz} \\ \sigma_{yx} & \sigma_{yy} & \sigma_{yz} \\ \sigma_{xz} & \sigma_{yz} & \sigma_{zz} \end{matrix}\right] (там же TTt участие , но давайте игнорировать , что ни на секунду.) Предположим, я …

15 covariance  measurement-error  uncertainty 

Мне нужно «изучить» распределение двумерного гауссиана с несколькими выборками, но хорошая гипотеза о предыдущем распределении, поэтому я хотел бы использовать байесовский подход. Я определил свой предыдущий: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = \begin{bmatrix} 16 & 0 \\ …

15 distributions  bayesian  estimation  covariance  posterior 

Каковы преимущества указания ковариационной структуры в GLM (вместо того, чтобы рассматривать все недиагональные элементы в ковариационной матрице как ноль)? Помимо отражения того, что каждый знает о данных, делает это улучшить качество посадки? повысить точность прогнозирования на удерживаемых данных? Позвольте нам оценить степень ковариации? Каковы затраты на навязывание ковариационной структуры? Является …

15 generalized-linear-model  covariance 

Как я понимаю, мы можем получить корреляцию путем нормализации ковариации с помощью уравнения ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} где - стандартное отклонениеXi.σi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XiXiX_i Меня беспокоит, что, если стандартное отклонение равно нулю? Есть ли условие, гарантирующее, что оно не может быть нулевым? Благодарю.

15 correlation  standard-deviation  covariance 

Вопросов Зависит ли это от того, мелкое дерево или глубокое? Или мы можем сказать это независимо от глубины / уровня дерева? Почему уклон низкий и дисперсия высокая? Пожалуйста, объясните интуитивно и математически

15 machine-learning  variance  covariance  cart  bias 

Это небольшая проверка, пожалуйста, помогите мне понять, неправильно ли я понимаю эту концепцию и каким образом. У меня есть функциональное понимание корреляции, но я чувствую себя немного цепко, чтобы действительно уверенно объяснить принципы, лежащие в основе этого функционального понимания. Насколько я понимаю, статистическая корреляция (в отличие от более общего использования …

14 correlation  categorical-data  covariance 

Если и - две случайные величины, которые могут принимать только два возможных состояния, как я могу показать, что подразумевает независимость? Этот вид противоречит тому, что я узнал в тот день, что не подразумевает независимость ...XXXYYYCov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 Подсказка говорит, что нужно начинать с и как возможных состояний и …

14 covariance  independence 

Мне нужно вывести аналитические выражения для автоковариантной функции γ(k)γ(k)\gamma\left(k\right) процесса ARMA (2,1), обозначенного как: yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Итак, я знаю, что: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] так что я могу написать: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] затем, чтобы вывести аналитическую версию автоковариантной функции, мне нужно подставить значения - 0, 1, 2 ..., пока …

13 time-series  covariance  autocorrelation  arma 

У меня есть две случайные величины и .Y > 0X>0X>0X > 0Y>0Y>0Y > 0 Учитывая, что я могу оценить как я могу оценитьCov ( log ( X ) , log ( Y ) ) ?Cov(X,Y),Cov(X,Y),\text{Cov}(X, Y),Cov(log(X),log(Y))?Cov(log⁡(X),log⁡(Y))?\text{Cov}(\log(X), \log(Y))?

12 data-transformation  covariance  random-variable 

После zzk «s вопрос о его проблеме с негативным моделирования, я интересно , что параметризованные семейства распределений на положительной -мерном квадранте, , для которых матрица ковариаций может быть множество.рК+R+k\mathbb{R}_+^kΣΣ\Sigma Как обсуждалось с zzk , начиная с распределения в и применения линейного преобразования не работает.рК+R+k\mathbb{R}_+^kИкс⟶ Е1 / 2( Х- μ ) …

12 distributions  multivariate-analysis  covariance