Запитання з тегом «copula»

Хтось задав мені це запитання в інтерв'ю для роботи, і я відповів, що їх спільний розподіл завжди гауссовий. Я думав, що я завжди можу написати двозначного гаусса їх засобами та дисперсією та коваріацією. Мені цікаво, чи може бути випадок, для якого спільна ймовірність двох гауссів не є гауссом?

91 normal-distribution  multivariate-analysis  copula  bivariate 

Я вже деякий час шукаю хорошого вступного читання про Copulas для свого семінару. Я знаходжу багато матеріалів, які розповідають про теоретичні аспекти, що добре, але, перш ніж перейти до них, я прагну створити добре інтуїтивне розуміння цієї теми. Чи може хтось запропонувати якісь хороші документи, які дають добру основу для …

25 correlation  references  marginal  copula 

Розглянемо лонормальні випадкові величини Х1Х1X_1 і Х2Х2X_2 з журнал( X1) ∼ N( 0 , 1 )журнал⁡(Х1)∼N(0,1)\log(X_1)\sim \mathcal{N}(0,1) і журнал( X2) ∼ N( 0 , σ2)журнал⁡(Х2)∼N(0,σ2)\log(X_2)\sim \mathcal{N}(0,\sigma^2) . ρ min ρ ( X 1 , X 2 )ρмаксρмакс\rho_{\max}ρхвρхв\rho_{\min}ρ ( X1, X2)ρ(Х1,Х2)\rho (X_1,X_2) ρmax=ρ(exp(Z),exp(σZ))ρmax=ρ(exp⁡(Z),exp⁡(σZ))\rho_{\max}=\rho (\exp(Z),\exp(\sigma Z)) і ρmin=ρ(exp(Z),exp(−σZ))ρmin=ρ(exp⁡(Z),exp⁡(−σZ))\rho_{\min}=\rho (\exp(Z),\exp(-\sigma Z)) , але …

19 correlation  copula 

Мені цікаво, в чому різниця між багатоваріантним стандартним нормальним розподілом і гауссова копула, оскільки коли я дивлюсь на функцію щільності, вони здаються мені однаковими. Моє питання полягає в тому, чому вводиться копула Гаусса або яка користь приносить копула Гаусса або яка її перевага в тому випадку, коли копула Гаусса - …

17 normal-distribution  copula 

Фреш-Хёфдінг верхньої межі відноситься до функції розподілу копули і задається С( у1, . . . , уг) ≤ хв { u1, . . , уг} .С(у1,...,уг)≤хв{у1,..,уг}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. Чи є схожа (в тому сенсі, що це залежить від граничної щільності) верхньої межі для щільності копули замість CDF?в ( у1, . . …

16 references  joint-distribution  bounds  copula 

Припустимо, що у мене є два одноманітні граничні розподіли, скажімо, FFF і GGG , з яких я можу імітувати. Тепер побудуйте їх спільний розподіл за допомогою копули Гаусса , що позначається C(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) . Всі параметри відомі. Чи існує метод, що не MCMC для моделювання з цієї копули?

16 normal-distribution  simulation  copula 

Назвіть деякі методи вибірки двох корельованих випадкових змінних: якщо їх параметри розподілу ймовірностей параметризовані (наприклад, log-normal) якщо вони мають непараметричні розподіли. Дані - це два часові ряди, для яких ми можемо обчислити ненульові коефіцієнти кореляції. Ми хочемо моделювати ці дані в майбутньому, вважаючи, що історична кореляція та часовий ряд CDF …

16 correlation  sampling  monte-carlo  stochastic-processes  copula 

Я спрощую дослідницьке питання, яке у мене є на роботі. Уявіть, що у мене є 5 монет, і давайте назвемо голову успіху. Це ДУЖЕ упереджені монети з вірогідністю успіху p = 0,1. Тепер, якщо монети були незалежними, то отримати ймовірність принаймні на 1 голову і більше дуже просто, . За …

15 multivariate-analysis  bernoulli-distribution  copula 

Мені цікаво дізнатись спосіб генерації корельованих, ненормальних даних. Тому в ідеалі якийсь розподіл, який приймає коваріаційну (або кореляційну) матрицю як параметр і генерує дані, які її наближають. Але ось ось у чому: метод, який я намагаюся знайти, повинен мати гнучкість також контролювати його багатоваріантність косості та / або куртозу. Мені …

14 multivariate-analysis  references  random-generation  skewness  copula 

У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Я сподіваюся, що це пояснює себе, але повідомте мене, якщо щось незрозуміле: чи існує багатоваріантна версія дистрибуції Вейбула?

10 distributions  multivariate-analysis  copula  weibull 

Позаконтекстна коротка версія Нехай - випадкова величина з CDF yyyF(⋅)≡{θθ+(1−θ)×CDFlog-normal(⋅;μ,σ) y = 0 y > 0F(⋅)≡{θ y = 0 θ+(1−θ)×CDFlog-normal(⋅;μ,σ) y > 0 F(\cdot) \equiv \cases{\theta & y = 0 \\ \theta + (1-\theta) \times \text{CDF}_{\text{log-normal}}(\cdot; \mu, \sigma) & y > 0} Скажімо, я хотів імітувати малюнки за допомогою зворотного …

9 r  distributions  sampling  simulation  copula 

Моє основне питання: Що таке адаптивна копула? У мене є слайди з презентації (на жаль, я не можу запитати автора слайдів) про адаптаційні копули, і я не розумію, що це означає, відповідно. для чого це добре? Ось слайди: Потім слайди продовжують тест на зміну точки. Мене цікавить, про що це …

9 data-visualization  copula