Запитання з тегом «gamma-distribution»

Це питання тісно пов’язане з цією публікацією Припустимо, у мене є випадкова величина , і я визначаю Y = log ( X ) . Я хотів би знайти функцію щільності ймовірності Y .Х∼ Гамма ( k , θ )X∼Gamma(k,θ)X \sim \text{Gamma}(k, \theta)Y= журнал( X)Y=log⁡(X)Y = \log(X)YYY Спочатку я думав, що …

12 pdf  gamma-distribution 

Якщо розподіл Gamma параметризовано з і β , то:αα\alphaββ\beta E( Γ ( α,β) ) =αβE(Γ(α,β))=αβ E(\Gamma(\alpha, \beta)) = \frac{\alpha}{\beta} Я хотів би порахувати очікування гамми в квадраті, тобто: Е( Γ ( α , β)2) = ?Е(Γ(α,β)2)=? E(\Gamma(\alpha, \beta)^2) = ? Я думаю, що це: Е( Γ ( α , β)2) …

11 expected-value  gamma-distribution 

В ієрархічній моделі даних де y ∼ Пуассон ( λ ) λ ∼ Гамма ( α , β ) на практиці типово вибирати значення ( α , β ), такі, що середнє значення та дисперсія гамма-розподілу приблизно збігаються з середнє значення та відмінність даних y (наприклад, Клейтон та Калдор, 1987, …

11 poisson-distribution  gamma-distribution  hierarchical-bayesian  hyperparameter 

Передумови: Я зараз є біостатистом, який веде боротьбу з набором частот клітинної експресії. Дослідження піддало певні пептиди безліч клітин, зібраних у групи від різних донорів. Клітини або виражають певні біомарки у відповідь, або їх немає. Потім ставки відповідей реєструються для кожної групи донорів. Частота відповідей (виражена у відсотках) є результатом …

11 regression  gamma-distribution  mixture  zero-inflation 

У мене є питання про правильний розподіл, який потрібно використовувати для створення моделі з моїми даними. Я провів лісову інвентаризацію на 50 ділянок, кожна ділянка розміром 20м × 50м. Для кожної ділянки я оцінив відсоток козирка дерев, що затінює землю. Кожна ділянка має одне значення, у відсотках, для покриття навісом. …

11 distributions  binomial  gamma-distribution 

Щільність де - параметр, живе між експоненцією ( ) та розподіли ( ). Просто цікаво, якщо це стане прикладом більш загальної родини розподілів? Я не визнаю цього як такого.f(s)∝ss+αe−s,s>0f(s)∝ss+αe−s,s>0f(s)\propto \frac{s}{s+\alpha}e^{-s},\quad s > 0α≥0α≥0\alpha \ge 0α=0α=0\alpha=0Γ(2,1)Γ(2,1)\Gamma(2,1)α→∞α→∞\alpha \to \infty

10 distributions  gamma-distribution  distribution-identification 

З огляду на дві незалежні випадкові величини та , який розподіл різниці, тобто ?X∼Gamma(αX,βX)X∼Gamma(αX,βX)X\sim \mathrm{Gamma}(\alpha_X,\beta_X)Y∼Gamma(αY,βY)Y∼Gamma(αY,βY)Y\sim \mathrm{Gamma}(\alpha_Y,\beta_Y)D=X−YD=X−YD=X-Y Якщо результат недостатньо відомий, як би я взявся до отримання результату?

10 distributions  gamma-distribution 

Завантажте необхідний пакет. library(ggplot2) library(MASS) Створіть 10 000 чисел, пристосованих до розподілу гами. x <- round(rgamma(100000,shape = 2,rate = 0.2),1) x <- x[which(x>0)] Намалюйте функцію густини ймовірностей, припускаючи, що ми не знаємо, до якого розподілу x підходив. t1 <- as.data.frame(table(x)) names(t1) <- c("x","y") t1 <- transform(t1,x=as.numeric(as.character(x))) t1$y <- t1$y/sum(t1[,2]) ggplot() …

10 r  mathematical-statistics  goodness-of-fit  gamma-distribution  ggplot2 

НехайX1,...,XnX1,...,XnX_1,...,X_nбути випадковою вибіркою з розподілу гами .Gamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Нехай і - середня вибірка та дисперсія вибірки відповідно.X¯X¯\bar{X}S2S2S^2 Потім доведіть або спростуйте, що і є незалежними.X¯X¯\bar{X}S2/X¯2S2/X¯2S^2/\bar{X}^2 Моя спроба: оскільки , нам потрібно перевірити незалежність і , але як я повинен встановити незалежність між ними?S2/X¯2=1n−1∑ni=1(XiX¯−1)2S2/X¯2=1n−1∑i=1n(XiX¯−1)2S^2/\bar{X}^2 = \frac{1}{n-1} \sum_{i=1}^n \left(\frac{X_i}{\bar{X}}-1\right)^2 X¯X¯\bar{X}(XiX¯)ni=1(XiX¯)i=1n\left(\frac{X_i}{\bar{X}} \right)_{i=1}^{n}

9 self-study  distributions  independence  gamma-distribution 

Я підганяю кілька моделей форми .. glm(DV ~ I(1/IV), family = Gamma(link = "log") .. і шукаю способи порівняння отриманих моделей для різних змінних. Мені цікаво, чи має значення альфа будь-яке практичне використання? Для трьох графіків нижче значення альфа - 17,85, 9,03 та 6,27. Чи містять ці значення будь-яку інформацію, …

9 generalized-linear-model  gamma-distribution 

Добре відомо, що випадкова величина - це гамма, розподілена з цілим параметром форми kkk еквівалентна сумі квадратів kkk нормально розподілені випадкові величини. Але що я можу сказати про гамма-розподілену випадкову змінну з не цілим числом kkk? Чи існує взагалі інша інтерпретація, крім дистрибуції Гамми?

9 probability  gamma-distribution 

Отже, у мене є 16 випробувань, в яких я намагаюся ідентифікувати людину з біометричної ознаки за допомогою дистанції Hamming. Мій поріг встановлено на 3,5. Мої дані нижче, і лише пробна версія 1 - справжнє Позитивне: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction