Запитання з тегом «descriptive-statistics»

Я намагався встановити нерівність |Ti|=∣∣Xi−X¯∣∣S≤n−1n−−√|Ti|=|Xi−X¯|S≤n−1n\left| T_i \right|=\frac{\left|X_i -\bar{X} \right|}{S} \leq\frac{n-1}{\sqrt{n}} де середнє значення вибірки і стандартне відхилення вибірки, тобто .X¯X¯\bar{X}SSSS=∑ni=1(Xi−X¯)2n−1−−−−−−−−−√S=∑i=1n(Xi−X¯)2n−1S=\sqrt{\frac{\sum_{i=1}^n \left( X_i -\bar{X} \right)^2}{n-1}} Неважко помітити, що і так але це не дуже близько до того, що я шукав, і не є корисним пов'язаним. Я експериментував з нерівностями Коші-Шварца і …

9 self-study  descriptive-statistics  bounds 

У мене є набір даних про мільйони сегментів спрямованих ліній. Відрізки ліній послідовні - це кліматична змінна (чутлива спека), із спостережуваними та імітованими значеннями з півгодинними інтервалами. Я намагаюся шукати шаблони в тому, як працює моделювання. Я дивлюся на графік розкидання величин по відношенню до моделювання та пов'язую їх з …

9 descriptive-statistics  vector-fields  data-visualization 

Наступні трансплантати взяті з цієї статті . Я новачок у завантажувальній програмі та намагаюся реалізувати параметричне, напівпараметричне та непараметричне завантажувальне завантаження для лінійної змішаної моделі з R bootпакетом. R код Ось мій Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Я розумію, як працює коваріація, що дані, що співвідносяться, повинні мати дещо високу коваріацію. Я натрапив на ситуацію, коли мої дані виглядають співвіднесеними (як показано на графіку розкидання), але коваріація майже до нуля. Як може коваріація даних дорівнювати нулю, якщо вони співвідносяться? import numpy as np x1 = np.array([ 0.03551153, …

8 python  descriptive-statistics  covariance