Запитання з тегом «covariance»

У мене виникають проблеми з генерацією набору стаціонарних кольорових часових рядів, враховуючи їх матрицю коваріації (їх спектральні щільності потужності (PSD) та спектральні щільності спектру потужності (CSD)). Я знаю, що, враховуючи два часові ряди та , я можу оцінити їх спектральні щільності потужності (PSD) та перехресні спектральні щільності (CSD), використовуючи багато …

20 time-series  sampling  algorithms  simulation  covariance 

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 

В основному, мені цікаво, як застосовуються різні структури коваріації та як обчислюються значення всередині цих матриць. Такі функції, як lme (), дозволяють нам вибрати, яку структуру ми б хотіли, але я хотів би знати, як вони оцінюються. Розглянемо модель лінійних змішаних ефектів .Y=Xβ+Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon Де і . Крім того:ϵ d ∼ …

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

Якщо дані дорівнюють 1d, дисперсія показує, наскільки точки даних відрізняються одна від одної. Якщо дані багатовимірні, ми отримаємо матрицю коваріації. Чи є міра, яка дає єдине число того, чим точки даних відрізняються взагалі для багатовимірних даних? Я вважаю, що може бути вже багато рішень, але я не впевнений, що правильно …

17 variance  covariance  covariance-matrix 

Перш за все, я цього не запитую: Чому нульова кореляція не передбачає незалежності? Це вирішено (досить приємно) тут: /math/444408/why-does-zero-correlation-not-imply-independence Що я прошу - це протилежне ... скажімо, дві змінні повністю незалежні одна від одної. Чи не могли вони мати крихітний кореляційний зв’язок випадково? Чи не повинно бути ... незалежність передбачає …

16 correlation  mathematical-statistics  covariance  independence 

У мене є GPS-пристрій, який видає вимірювання шуму за допомогою матриці коваріації 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 також задіяно, але давайте ігноруємо це на секунду.)ttt Припустимо, я хочу сказати комусь іншому, …

16 covariance  measurement-error  uncertainty 

Мені потрібно «навчитися» розподілу біваріантного гаусса з кількома зразками, але гарна гіпотеза щодо попереднього розподілу, тому я хотів би скористатися байєсівським підходом. Я визначив своє попереднє: 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 

Які переваги вказують структуру коваріації в GLM (замість того, щоб обробляти всі позадіагональні записи в матриці коваріації як нуль)? Окрім відображення того, що хтось знає про дані, це робить покращити корисність? підвищити точність прогнозування даних, що витримуються? дозволяєте оцінити ступінь коваріації? Які витрати на накладення коваріаційної структури? Робить це додати …

15 generalized-linear-model  covariance 

Як я розумію, ми можемо отримати кореляцію, нормалізуючи коваріацію за допомогою рівняння ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} де - стандартне відхилення . Xiσi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XiXiX_i Мене хвилює те, що якщо стандартне відхилення дорівнює нулю? Чи є якась умова, яка гарантує, що вона не може бути нульовою? Спасибі.

15 correlation  standard-deviation  covariance 

Запитання Це залежить від того, чи є дерево дрібним чи глибоким? Або ми можемо сказати це незалежно від глибини / рівнів дерева? Чому ухил низький і дисперсія висока? Будь-ласка, поясніть інтуїтивно та математично

15 machine-learning  variance  covariance  cart  bias 

Це трохи перевірка кишок, будь ласка, допоможіть мені зрозуміти, чи я нерозумію цю концепцію, і яким чином. У мене є функціональне розуміння кореляції, але я відчуваю трохи розуміння, щоб справді впевнено пояснити принципи цього функціонального розуміння. Як я розумію, статистична кореляція (на відміну від більш загального використання терміна) - це …

14 correlation  categorical-data  covariance 

Якщо XXX і YYY - дві випадкові величини, які можуть приймати лише два можливі стани, то як я можу показати, що Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 передбачає незалежність? Це суперечить тому, що я дізнався ще в той день, коли Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 не означає незалежності ... Підказка говорить, що починати з 111 …

14 covariance  independence 

Мені потрібно вивести аналітичні вирази для функції автоковаріації процесу ARMA (2,1), позначеного:γ(k)γ(k)\gamma\left(k\right) 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 Отже, я знаю, що: 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] тож я можу написати: 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] потім, щоб отримати аналітичну версію функції автоковаріації, мені потрібно підміняти значення kkk - 0, 1, 2 ..., поки я не …

13 time-series  covariance  autocorrelation  arma 

У мене є дві випадкові величини і .X>0X>0X > 0Y>0Y>0Y > 0 З огляду на те, що я можу оцінити як я можу оцінитиCov(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 

Після zzk «s питання про його проблеми з негативним моделюванням, я цікаво , що параметризрвані сімейства розподілів на позитивні к-мірної квадраті, , для яких ковариационной матриці Σ може бути безліч.Rк+R+k\mathbb{R}_+^kΣΣ\Sigma Як обговорювалося з zzk , виходячи з розподілу на Rк+R+k\mathbb{R}_+^k і застосовуючи лінійне перетворення Х⟶ Σ1 / 2( X- μ …

12 distributions  multivariate-analysis  covariance