Запитання з тегом «correlation»

Мене щойно познайомили (неясно) з короваріацією / кореляцією броун / відстань . Це здається особливо корисним у багатьох нелінійних ситуаціях під час тестування на залежність. Але це, здається, не використовується дуже часто, хоча коваріація / кореляція часто використовується для нелінійних / хаотичних даних. Це мене думає, що можуть бути деякі …

21 correlation  covariance  distance-covariance 

Мені було цікаво, чи можна мати дуже сильний коефіцієнт кореляції (скажімо, 9 або вище), з високим значенням p (скажімо, .25 або вище)? Ось приклад низького коефіцієнта кореляції з високим значенням p: set.seed(10) y <- rnorm(100) x <- rnorm(100)+.1*y cor.test(x,y) cor = 0,03908927, p = 0,6994 Високий коефіцієнт кореляції, низьке значення …

21 r  hypothesis-testing  correlation 

Я хочу повністю зрозуміти поняття описує величину варіації між змінними. Кожне веб-пояснення є дещо механічним і тупим. Я хочу «отримати» концепцію, а не просто механічно використовувати цифри.r2r2r^2 Напр .: Години, вивчені проти тестових балів = .8rrr = .64r2r2r^2 Отже, що це означає? 64% варіативності тестових балів можна пояснити годинами? Звідки …

21 regression  correlation  variance 

Мені було цікаво, чи можливо генерувати корельовані випадкові біноміальні змінні після підходу лінійної трансформації? Нижче я спробував щось просто в R, і це дає певну кореляцію. Але мені було цікаво, чи існує принциповий спосіб цього зробити? X1 = rbinom(1e4, 6, .5) ; X2 = rbinom(1e4, 6, .5) ; X3 = …

21 r  correlation  binomial  random-generation  bernoulli-distribution 

Після проведення аналізу основних компонентів (PCA) я хочу спроектувати новий вектор на простір PCA (тобто знайти його координати в системі координат PCA). Я розрахував PCA мовою R за допомогою prcomp. Тепер я повинен мати можливість помножити свій вектор на матрицю обертання PCA. Чи повинні головні компоненти в цій матриці розташовуватися …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

У мене є дві змінні, які не показують особливої ​​кореляції, коли будуються одна проти одної, але дуже чітке лінійне співвідношення, коли я будую журнали кожної змінної, починаючи з іншої. Тому я закінчую модель типу: log(Y)=alog(X)+blog⁡(Y)=alog⁡(X)+b\log(Y) = a \log(X) + b , що є великим математично, але, схоже, не має пояснювального …

20 regression  correlation  log 

Припустимо, - неперервні випадкові величини з кінцевими секундами. Варіант сукупності коефіцієнта кореляції коефіцієнта кореляції Спірмена ρ_s можна визначити як коефіцієнт продуктового моменту Пірсона ρ інтегралів ймовірності, перетворює F_X (X) і F_Y (Y) , де F_X, F_Y - це cdf's X і Y , тобтоX,YX,YX,Yρsρsρ_sFX(X)FX(X)F_X(X)FY(Y)FY(Y)F_Y(Y)FX,FYFX,FYF_X,F_YXXXYYY ρs(X,Y)=ρ(F(X),F(Y))ρs(X,Y)=ρ(F(X),F(Y))ρ_s(X,Y)=ρ(F(X),F(Y)) . Цікаво, чи можна взагалі …

20 correlation  pearson-r  spearman-rho 

Дані для певних видів змінних, як правило, є ненормальними, якщо вимірюватись у певних популяціях (наприклад, рівень депресії у популяції людей з великим депресивним розладом). Враховуючи, що Пірсон припускає нормальність, наскільки надійною є статистика тесту в умовах ненормативності? У мене є ряд змінних, для яких я хотів би коефіцієнтів кореляції, але …

20 correlation 

Скажімо, я перевіряю, наскільки змінна Yзалежить від змінної Xв різних експериментальних умовах і отримую такий графік: Штрихові лінії на графіку вище представляють лінійну регресію для кожної серії даних (експериментальна установка), а цифри в легенді позначають співвідношення Пірсона кожного ряду даних. Я хотів би обчислити "середню кореляцію" (або "середню кореляцію") між …

20 regression  correlation  mean  average 

Точність визначається як: p = true positives / (true positives + false positives) Чи правильно, що як true positivesі false positivesпідхід 0, точність наближається до 1? Те саме запитання для відкликання: r = true positives / (true positives + false negatives) Зараз я впроваджую статистичний тест, де мені потрібно обчислити …

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 

Зовсім недавно я прочитав дві статті. Перший - про історію кореляції, а другий - про новий метод під назвою Максимальний інформаційний коефіцієнт (MIC). Мені потрібна ваша допомога щодо розуміння методу MIC для оцінки нелінійних кореляцій між змінними. Більше того, Інструкції щодо використання в R можна знайти на веб-сайті автора (у …

20 correlation  nonparametric  bioinformatics  information-theory  mutual-information 

Зі сторінки Вікіпедії під назвою кореляція не означає причинності , Для будь-яких двох співвідносних подій, A і B, різні можливі відносини включають: А причини B (пряма причинно-наслідкова зв’язка); Б викликає А (зворотна причинна зв’язок); А і В є наслідками загальної причини, але не викликають один одного; І А, і В …

19 correlation  causality 

Я використовую розклад Холеського для імітації корельованих випадкових змінних із заданою кореляційною матрицею. Вся справа в тому, що результат ніколи не відтворює кореляційну структуру, як це дано. Ось невеликий приклад в Python для ілюстрації ситуації. import numpy as np n_obs = 10000 means = [1, 2, 3] sds = [1, …

19 correlation  random-generation  cholesky 

Якщо у нас є 2 нормальних, некоррельовані випадкові величини ми можемо створити 2 корельовані випадкові величини за формулоюX1,X2X1,X2X_1, X_2 Y=ρX1+1−ρ2−−−−−√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 і тоді матиме кореляцію з .YYYρρ\rhoX1X1X_1 Чи може хтось пояснити, звідки береться ця формула?

19 correlation  normal-distribution  covariance 

Я намагаюся генерувати корельовану випадкову послідовність із середнім = , дисперсією = , коефіцієнтом кореляції = . У наведеному нижче коді я використовую & як стандартні відхилення, і & як засіб.1 0,80001110,80.80.8s1s2m1m2 p = 0.8 u = randn(1, n) v = randn(1, n) x = s1 * u + m1 …

19 correlation  matlab  random-generation  correlation-matrix