Запитання з тегом «kurtosis»

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 

Коли я використовую GAM, це дає мені залишковий коефіцієнт DF (останній рядок у коді). Що це означає? Виходячи за приклад GAM, загалом, чи може число ступенів свободи бути нецілим числом?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Я працюю над алгоритмом, який спирається на те, що спостереження YYY s зазвичай розподіляються, і я хотів би перевірити стійкість алгоритму до цього припущення емпірично. Щоб зробити це, я шукав послідовність перетворень T1(),…,Tn()T1(),…,Tn()T_1(), \dots, T_n() , яка буде поступово руйнувати нормальності YYY . Наприклад, якщо YYY s нормальні, вони мають …

20 data-transformation  normality-assumption  skewness  kurtosis 

Переважно теоретичне питання. Чи є приклади ненормальних розподілів, які мають перші чотири моменти, рівні рівних нормальним? Чи могли вони існувати в теорії?

19 normal-distribution  skewness  moments  theory  kurtosis 

Що мається на увазі під твердженням, що куртоз нормального розподілу дорівнює 3. Чи означає це, що на горизонтальній лінії значення 3 відповідає піковій ймовірності, тобто 3 - режим системи? Коли я дивлюся на звичайну криву, то здається, що пік настає в центрі, він же дорівнює 0. Так чому куртоз не …

18 normal-distribution  moments  kurtosis 

Центральну тенденцію, розповсюдженість та хиткість можна визначити відносно добре, принаймні на інтуїтивній основі; стандартні математичні міри цих речей також відносно добре відповідають нашим інтуїтивним уявленням. Але, здається, куртоз відрізняється. Це дуже заплутано і не відповідає добре інтуїції щодо форми розподілу. Типовим поясненням куртозу в застосованих умовах буде цей витяг із …

17 descriptive-statistics  kurtosis  teaching  l-moments 

Я аналізую набір даних, використовуючи модель змішаних ефектів з одним фіксованим ефектом (умовою) та двома випадковими ефектами (учасник, обумовлений в рамках проекту та пари). Модель була згенерована з lme4пакетом: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Далі я провів перевірку коефіцієнта ймовірності цієї моделі проти моделі без фіксованого ефекту (умови) і маю суттєву різницю. У моєму …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

Існують добре відомі он-лайн формули для обчислення експоненціально зважених ковзних середніх значень і стандартних відхилень процесу (xn)n=0,1,2,…(xn)n=0,1,2,…(x_n)_{n=0,1,2,\dots} . У середньому, μn=(1−α)μn−1+αxnμn=(1−α)μn−1+αxn\mu_n = (1-\alpha) \mu_{n-1} + \alpha x_n і для дисперсії σ2n=(1−α)σ2n−1+α(xn−μn−1)(xn−μn)σn2=(1−α)σn−12+α(xn−μn−1)(xn−μn)\sigma_n^2 = (1-\alpha) \sigma_{n-1}^2 + \alpha(x_n - \mu_{n-1})(x_n - \mu_n) з якого можна обчислити стандартне відхилення. Чи існують подібні формули …

15 moments  online  kurtosis 

Я чув (вибачте, не можу надати посилання на текст, щось мені сказали), що високий позитивний куртоз залишків може бути проблематичним для точних тестів гіпотез та довірчих інтервалів (і, отже, проблеми зі статистичним висновком). Це правда, і якщо так, то чому? Чи не може високий позитивний куртоз залишків не вказувати на …

14 statistical-significance  p-value  assumptions  kurtosis 

Чи може хтось запропонувати інтуїцію, чому вищі моменти розподілу ймовірностей , як третій та четвертий моменти, відповідають косості та куртозу відповідно? Зокрема, чому відхилення від середнього значення, піднятого до третьої чи четвертої сили, в кінцевому підсумку перетворюється на міру косості та куртозу? Чи є спосіб пов'язати це з третьою чи …

14 mathematical-statistics  skewness  moments  intuition  kurtosis 

У мене є два набори даних, орієнтовно орієнтовані навколо нуля, але я підозрюю, що вони мають різні хвости. Я знаю кілька тестів для порівняння розподілу з нормальним розподілом, але я хотів би безпосередньо порівняти два розподіли. Чи є простий тест для порівняння жирності хвоста 2 розподілу ? Спасибі fRed

13 hypothesis-testing  distributions  kurtosis  fat-tails 

Чи існує така формула? Враховуючи набір даних, для яких середнє значення, дисперсія, косисть і куртоз відомі, або їх можна виміряти, чи існує єдина формула, яка може бути використана для обчислення щільності ймовірності значення, що передбачається, що походить від вищезазначених даних?

13 distributions  pdf  kurtosis  skewness 

Прикладні лінійні статистичні моделі від Kutner et al. йдеться про наступне, що стосується відхилень від норми припущення щодо моделей ANOVA: Куртоз розподілу помилок (або більше, або максимум, ніж звичайний розподіл) важливіший, ніж спотвореність розподілу з точки зору впливу на умовиводи . Я трохи спантеличений цим твердженням і не встиг знайти …

12 anova  normality-assumption  skewness  kurtosis 

Припустимо, у мене лептокуртична змінна, яку я хотів би перетворити на нормальність. Які перетворення можуть виконати це завдання? Я добре усвідомлюю, що перетворення даних може бути не завжди бажаним, але, мабуть, як академічне прагнення, я хочу "забити" дані в нормальність. Крім того, як ви можете зрозуміти з сюжету, всі значення …

12 normal-distribution  data-transformation  kurtosis  qq-plot 

Куртоз полягає в вимірюванні піку і плоскості розподілу. Функція щільності розподілу, якщо вона існує, може розглядатися як крива, і має геометричні особливості (наприклад, кривизна, опуклість, ...), пов'язані з її формою. Тож мені цікаво, чи пов'язаний куртоз розподілу з якимись геометричними особливостями функції густини, які можуть пояснити геометричне значення куртозу?

12 kurtosis  geometry