Domande taggate «normal-distribution»

La distribuzione normale, o gaussiana, ha una funzione di densità che è una curva simmetrica a forma di campana. È una delle distribuzioni più importanti in statistica. Utilizzare il tag [normality] per chiedere informazioni sui test per la normalità.

5
Come eseguire l'imputazione dei valori in un numero molto elevato di punti dati?
Ho un set di dati molto grande e mancano circa il 5% di valori casuali. Queste variabili sono correlate tra loro. Il seguente set di dati R è solo un esempio di giocattolo con dati correlati fittizi. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), …
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 
1
Perché il test F nei modelli lineari gaussiani è più potente?
Per un modello lineare gaussiano Y=μ+σGY=μ+σGY=\mu+\sigma Gμμ\muWWWGGGRnRn\mathbb{R}^nFFFH0:{μ∈U}H0:{μ∈U}H_0\colon\{\mu \in U\}U⊂WU⊂WU \subset Wf=ϕ(2logsupμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=ϕ(2log⁡supμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=\phi\left( 2\log \frac{\sup_{\mu \in W, \sigma>0} L(\mu, \sigma | y)}{\sup_{\mu \in U, \sigma>0} L(\mu, \sigma | y)} \right). Come possiamo sapere che questa statistica fornisce il test più potente per (forse dopo aver scartato casi particolari insoliti)? Ciò non deriva …
2
Intuizione dietro la funzione di densità delle distribuzioni t
Sto studiando la distribuzione t di Student e ho iniziato a chiedermi come si deriverebbe la funzione di densità delle distribuzioni t (da wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): f( t ) = Γ ( v + 12)v π--√Γ ( v2)( 1 + t2v)- v + 12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} dove è il …
2
Valore atteso della correlazione spuria
Disegniamo campioni, ciascuno di dimensioni , indipendentemente da una distribuzione normale .n ( μ , σ 2 )NNNnnn(μ,σ2)(μ,σ2)(\mu,\sigma^2) Dagli campioni scegliamo quindi i 2 campioni che hanno la più alta (assoluta) correlazione di Pearson tra loro.NNN Qual è il valore atteso di questa correlazione? Grazie [PS Questo non è un …
1
Pacchetti Python per lavorare con modelli di miscele gaussiane (GMM)
Sembra che ci siano diverse opzioni disponibili per lavorare con i modelli di miscele gaussiane (GMM) in Python. A prima vista ci sono almeno: PyMix - http://www.pymix.org/pymix/index.php Strumenti per la modellazione delle miscele PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ che fa parte della toolbox di Scipy e sembra focalizzarsi sull'aggiornamento di GMM : …
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.