Запитання з тегом «exponential»

Час очікування розподілу Пуассона - це експоненціальне розподіл з параметром лямбда. Але я цього не розумію. Пуассон, наприклад, моделює кількість прибутків за одиницю часу. Як це пов’язано з експоненціальним розподілом? Скажімо, ймовірність приходу k за одиницю часу дорівнює P (k) (моделюється пуассоном), а ймовірність k + 1 - P (k …

72 distributions  poisson-distribution  exponential 

Я вивчаю аналіз виживання з цієї посади на UCLA IDRE, і я потрапив у розділ 1.2.1. Підручник говорить: ... якщо часи виживання, як відомо, були експоненціально розподілені , то ймовірність дотримання часу виживання ... Чому час виживання вважається експоненціально розподіленим? Мені це здається дуже неприродно. Чому зазвичай не поширюються? Скажімо, …

36 distributions  survival  assumptions  exponential 

У цій нинішній статті в НАУКІ пропонується наступне: Припустимо, ви випадковим чином розділите 500 мільйонів доходу серед 10000 людей. Є лише один спосіб надати кожному рівну, 50 000 частку. Тож якщо ви долі заробляєте випадковим чином, рівність навряд чи є. Але є незліченна кількість способів дати кілька людей багато грошей, …

36 distributions  mathematical-statistics  exponential 

Дорогі всі - я помітив щось дивне, чого я не можу пояснити, чи не так? Підсумовуючи: ручний підхід до обчислення довірчого інтервалу в моделі логістичної регресії та функції R confint()дають різні результати. Я пережив прикладну логістичну регресію Hosmer & Lemeshow (2-е видання). У 3-й главі є приклад обчислення коефіцієнта шансів …

34 r  regression  logistic  confidence-interval  profile-likelihood  correlation  mcmc  error  mixture  measurement  data-augmentation  r  logistic  goodness-of-fit  r  time-series  exponential  descriptive-statistics  average  expected-value  data-visualization  anova  teaching  hypothesis-testing  multivariate-analysis  r  r  mixed-model  clustering  categorical-data  unsupervised-learning  r  logistic  anova  binomial  estimation  variance  expected-value  r  r  anova  mixed-model  multiple-comparisons  repeated-measures  project-management  r  poisson-distribution  control-chart  project-management  regression  residuals  r  distributions  data-visualization  r  unbiased-estimator  kurtosis  expected-value  regression  spss  meta-analysis  r  censoring  regression  classification  data-mining  mixture 

Я щойно натрапив на цю статтю , в якій описано, як обчислити повторюваність (він же - надійність, також внутрішньокласова кореляція) вимірювання за допомогою моделювання змішаних ефектів. R-код буде: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

За класичним визначенням зовнішньої форми як точки даних, що витісняє 1,5 * IQR від верхнього або нижнього кватилі, існує припущення про несказаний розподіл. Для косих розподілів (Експоненціальна, Пуассонова, Геометрична тощо) найкращий спосіб виявити сторонність шляхом аналізу перетворення вихідної функції? Наприклад, дистрибутиви, керовані експоненціальним розподілом, можуть бути перетворені за допомогою функції …

24 distributions  outliers  skewness  exponential  interquartile 

Як я можу перевірити, чи є мої дані, наприклад, зарплата від постійного експоненціального розподілу в R? Ось гістограма мого зразка: . Будь-яка допомога буде дуже вдячна!

22 r  distributions  goodness-of-fit  exponential 

У мене є основні дані щодо скорочення викидів та вартості автомобіля: q24 <- read.table(text = "reductions cost.per.car 50 45 55 55 60 62 65 70 70 80 75 90 80 100 85 200 90 375 95 600 ",header = TRUE, sep = "") Я знаю, що це експоненціальна функція, тому …

21 r  self-study  exponential  starting-values 

Ймовірно , це тривіальне питання, але мій пошук був безплідному до сих пір, в тому числі цієї статті в Вікіпедії , і «Compendium розподілів» документ . Якщо XXX має рівномірний розподіл, чи означає це, що слідує за експоненціальним розподілом?eXeXe^X Аналогічно, якщо слідує за експоненціальним розподілом, чи означає це, що слідує …

20 distributions  data-transformation  exponential  uniform 

Який найпростіший спосіб зрозуміти, що таке твердження є правдивим? Припустимо, . Покажіть .Y1,…,Yn∼iidExp(1)Y1,…,Yn∼iidExp(1)Y_1, \dots, Y_n \overset{\text{iid}}{\sim} \text{Exp}(1)∑ni=1(Yi−Y(1))∼Gamma(n−1,1)∑i=1n(Yi−Y(1))∼Gamma(n−1,1)\sum_{i=1}^{n}(Y_i - Y_{(1)}) \sim \text{Gamma}(n-1, 1) Зауважимо, що .Y(1)=min1≤i≤nYiY(1)=min1≤i≤nYiY_{(1)} = \min\limits_{1 \leq i \leq n}Y_i Під X∼Exp(β)X∼Exp(β)X \sim \text{Exp}(\beta) це означає, що fX(x)=1βe−x/β⋅1{x>0}fX(x)=1βe−x/β⋅1{x>0}f_{X}(x) = \dfrac{1}{\beta}e^{-x/\beta} \cdot \mathbf{1}_{\{x > 0\}} . Неважко помітити, що Y(1)∼Exponential(1/n)Y(1)∼Exponential(1/n)Y_{(1)} …

18 self-study  distributions  exponential  order-statistics  jacobian 

Для випадкової змінної ( ) інтуїтивно відчуваю, що має дорівнювати оскільки за властивістю без запам'ятовування розподіл такий же, як у але зміщений праворуч на .E [ X ] = 1X∼Exp(λ)Х∼Досвід(λ)X\sim \text{Exp}(\lambda) E[X| X>x]x+E[X]X| X>xXxE[X]=1λЕ[Х]=1λ\mathbb{E}[X] = \frac{1}{\lambda}E[X|X>x]Е[Х|Х>х]\mathbb{E}[X|X > x]x+E[X]х+Е[Х]x + \mathbb{E}[X]X|X>xХ|Х>хX|X > xXХXxхx Однак я намагаюся використовувати властивість без запам'ятовування, щоб …

13 random-variable  exponential  conditional-expectation 

У мене дуже великий набір даних, і близько 5% випадкових значень відсутні. Ці змінні співвідносяться між собою. Наступний приклад набору даних R - це лише іграшковий приклад з манекено-корельованими даними. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Якщо розподілено експоненціально з параметром і взаємно незалежні, яке очікуванняXiXiX_i(i=1,...,n)(i=1,...,n)(i=1,...,n)λλ\lambdaXiXiX_i (∑i=1nXi)2(∑i=1nXi)2 \left(\sum_{i=1}^n {X_i} \right)^2 з точки зору та та, можливо, інших констант?nnnλλ\lambda Примітка. Це питання отримало математичну відповідь на /math//q/12068/4051 . Читачі теж поглянули б на це.

12 expected-value  exponential  gamma-distribution 

Спроба підрахувати кількість відвідувань за демографічними показниками та послугами. Дані дуже перекошені. Гістограми: qq ділянки (зліва - журнал): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityі serviceє факторними змінними. Я отримую низьке значення p для всіх змінних, але також отримую низький r-квадрат у розмірі .05. Що я повинен зробити? Чи працювала …

12 regression  multiple-regression  predictive-models  exponential  qq-plot 

Який діапазон досяжних кореляцій для пари експоненціально розподілених випадкових величин і , де є параметри швидкості?X 2 ∼ E x p ( λ 2 ) λ 1 , λ 2 > 0X1∼Exp(λ1)X1∼Exp(λ1)X_1 \sim {\rm Exp}(\lambda_1)X2∼Exp(λ2)X2∼Exp(λ2)X_2 \sim {\rm Exp}(\lambda_2)λ1,λ2>0λ1,λ2>0\lambda_1, \lambda_2 > 0

12 correlation  exponential