Domande taggate «heteroscedasticity»

Varianza non costante lungo un certo continuum in un processo casuale.

8
Genera una variabile casuale con una correlazione definita con una o più variabili esistenti
Per uno studio di simulazione devo generare variabili casuali che mostrano una correlazione (popolazione) predefinita a una variabile esistente .YYY Ho esaminato i Rpacchetti copulae CDVineche possono produrre distribuzioni multivariate casuali con una determinata struttura di dipendenza. Tuttavia, non è possibile fissare una delle variabili risultanti su una variabile esistente. …
5
Perché ci sono due ortografie di "eteroschedastico" o "eteroscedastico"?
Vedo spesso sia l'ortografia "eteroschedastica" che "eteroscedastica", e allo stesso modo per "omoscedastico" e "omoschedastico". Non sembra esserci alcuna differenza di significato tra le varianti "c" e "k", semplicemente una differenza ortografica correlata all'etimologia greca della parola. Quali sono le origini delle due distinte ortografie? Un utilizzo è più comune …
5
Quali sono i pericoli derivanti dalla violazione dell'ipotesi di omoscedasticità per la regressione lineare?
Ad esempio, considera il ChickWeightset di dati in R. La varianza ovviamente aumenta nel tempo, quindi se uso una semplice regressione lineare come: m <- lm(weight ~ Time*Diet, data=ChickWeight) Le mie domande: Quali aspetti del modello saranno discutibili? I problemi si limitano all'estrapolazione al di fuori Timedell'intervallo? Quanto è tollerante …
4
Come proiettare un nuovo vettore nello spazio PCA?
Dopo aver eseguito l'analisi dei componenti principali (PCA), voglio proiettare un nuovo vettore nello spazio PCA (ovvero trovare le sue coordinate nel sistema di coordinate PCA). Ho calcolato PCA in linguaggio R utilizzando prcomp. Ora dovrei essere in grado di moltiplicare il mio vettore per la matrice di rotazione PCA. …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 
2
Trasformazione dei dati proporzionali: quando arcsin radice quadrata non è sufficiente
Esiste un'alternativa (più forte?) Alla trasformazione della radice quadrata di arcsin per dati percentuale / proporzionali? Nel set di dati su cui sto lavorando al momento, rimane marcata eteroscedasticità dopo che ho applicato questa trasformazione, vale a dire che la trama dei residui rispetto ai valori adattati è ancora molto …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.