Domande taggate «covariance»

Ho difficoltà a generare una serie di serie temporali colorate stazionarie, data la loro matrice di covarianza (densità di potenza spettrale (PSD) e densità spettrale di potenza incrociata (CSD)). So che, date due serie temporali e , posso stimare la loro densità spettrale di potenza (PSD) e densità spettrale incrociata …

20 time-series  sampling  algorithms  simulation  covariance 

Se abbiamo 2 variabili casuali normali, non correlate allora possiamo creare 2 variabili casuali correlate con la formulaX1, X2X1,X2X_1, X_2 Y= ρ X1+ 1 - ρ2-----√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 e poi avrà una correlazione con .ρYYYρρ\rhoX1X1X_1 Qualcuno può spiegare da dove proviene questa formula?

19 correlation  normal-distribution  covariance 

Fondamentalmente quello che mi chiedo è come vengono applicate le diverse strutture di covarianza e come vengono calcolati i valori all'interno di queste matrici. Funzioni come lme () ci permettono di scegliere quale struttura vorremmo, ma mi piacerebbe sapere come sono stimate. Considera il modello lineare di effetti misti Y= …

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

Se i dati sono 1d, la varianza mostra in che misura i punti dati sono diversi l'uno dall'altro. Se i dati sono multidimensionali, otterremo una matrice di covarianza. Esiste una misura che fornisce un singolo numero di come i punti dati sono diversi l'uno dall'altro in generale per i dati …

17 variance  covariance  covariance-matrix 

Prima di tutto, non lo sto chiedendo: Perché la correlazione zero non implica l'indipendenza? Questo è affrontato (piuttosto bene) qui: /math/444408/why-does-zero-correlation-not-imply-independence Quello che sto chiedendo è l'opposto ... diciamo che due variabili sono completamente indipendenti l'una dall'altra. Non potrebbero avere una piccola correlazione per caso? Non dovrebbe essere ... l'indipendenza …

16 correlation  mathematical-statistics  covariance  independence 

Ho un'unità GPS che emette una misurazione del rumore tramite matrice di covarianza :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] (c'è anche ttt coinvolti, ma ignoriamo che per un secondo.) Supponiamo di voler dire a …

15 covariance  measurement-error  uncertainty 

Devo "imparare" la distribuzione di un gaussiano bivariato con pochi campioni, ma una buona ipotesi sulla distribuzione precedente, quindi vorrei usare l'approccio bayesiano. Ho definito il mio precedente: 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 & …

15 distributions  bayesian  estimation  covariance  posterior 

Quali sono i vantaggi di specificare una struttura di covarianza in un GLM (piuttosto che trattare tutte le voci fuori diagonale nella matrice di covarianza come zero)? Oltre a riflettere ciò che si sa dei dati, lo fa migliorare la bontà di adattamento? migliorare la precisione predittiva dei dati dati? …

15 generalized-linear-model  covariance 

A quanto ho capito, possiamo ottenere una correlazione normalizzando la covarianza usando l'equazione ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} dove è la deviazione standard diXi.σi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XiXiX_i La mia preoccupazione è cosa succede se la deviazione standard è uguale a zero? C'è qualche condizione che garantisce che non può essere zero? Grazie.

15 correlation  standard-deviation  covariance 

Domande Dipende se l'albero è poco profondo o profondo? O possiamo dire questo indipendentemente dalla profondità / livelli dell'albero? Perché il bias è basso e la varianza è alta? Spiega in modo intuitivo e matematico

15 machine-learning  variance  covariance  cart  bias 

Questo è un po 'un controllo dell'intestino, per favore aiutatemi a vedere se sto fraintendendo questo concetto, e in che modo. Ho una comprensione funzionale della correlazione ma mi sento un po 'afferrato per spiegare con sicurezza i principi alla base di quella comprensione funzionale. Da quanto ho capito, la …

14 correlation  categorical-data  covariance 

Se XXX e YYY sono due variabili casuali che possono assumere solo due stati possibili, come posso dimostrare che Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 implica indipendenza? Questo tipo di va contro ciò che ho appreso nel giorno in cui Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 non implica l'indipendenza ... Il suggerimento dice di iniziare con …

14 covariance  independence 

Devo derivare espressioni analitiche per la funzione di autocovarianza γ(k)γ(k)\gamma\left(k\right) di un processo ARMA (2,1) indicato da: 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 Quindi so che: 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] così posso scrivere: 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] quindi, per derivare la versione analitica della funzione di autocovarianza, devo sostituire i valori di - 0, …

13 time-series  covariance  autocorrelation  arma 

Ho due variabili casuali e .X>0X>0X > 0Y>0Y>0Y > 0 Dato che posso stimare come posso stimareCov(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 

Seguendo la domanda di zzk sul suo problema con le simulazioni negative, mi chiedo quali siano le famiglie parametrizzate di distribuzioni sul quadrante k-dimensionale positivo, per le quali è possibile impostare la matrice di covarianza .Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Come discusso con zzk , partire da una distribuzione su e applicare la trasformazione …

12 distributions  multivariate-analysis  covariance