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.

1
Esiste un teorema che dice che converge nella distribuzione in una normale mentre va all'infinito?
Sia qualsiasi distribuzione con media definita, e deviazione standard, . Il teorema del limite centrale afferma che converge nella distribuzione in una distribuzione normale standard. Se sostituiamo con la deviazione standard del campione , esiste un teorema che afferma che converge nella distribuzione in una distribuzione t? Dal momento che …
1
Perché è
In una serie di problemi ho dimostrato questo "lemma", il cui risultato non è intuitivo per me. ZZZ è una distribuzione normale standard in un modello censurato. Formalmente, Z∗∼Norm(0,σ2)Z∗∼Norm(0,σ2)Z^* \sim Norm(0, \sigma^2) e Z=max(Z∗,c)Z=max(Z∗,c)Z = max(Z^*, c) . Quindi, (c)E[Z|Z>c]=∫∞cziϕ(zi)dzi=12π−−√∫∞cziexp(−12z2i)dzi=12π−−√exp(−12c2) (Integration by substitution)=ϕ(c)E[Z|Z>c]=∫c∞ziϕ(zi)dzi=12π∫c∞ziexp(−12zi2)dzi=12πexp(−12c2) (Integration by substitution)=ϕ(c)\begin{align} E[Z|Z>c] &= \int_c^\infty z_i …
1
Accedo trasformato la mia variabile dipendente, posso usare la distribuzione normale GLM con la funzione LOG link?
Ho una domanda riguardante i modelli lineari generalizzati (GLM). La mia variabile dipendente (DV) è continua e non normale. Quindi registro lo trasformato (ancora non normale ma migliorato). Voglio mettere in relazione il DV con due variabili categoriche e una continua covariabile. Per questo voglio condurre un GLM (sto usando …
2
Valore atteso di una variabile casuale gaussiana trasformata con una funzione logistica
Sia la funzione logistica che la deviazione standard sono generalmente indicate con . Userò e per la deviazione standard.σσ\sigmaσ(x)=1/(1+exp(−x))σ(x)=1/(1+exp⁡(−x))\sigma(x) = 1/(1+\exp(-x))sss Ho un neurone logistica con un ingresso casuale la cui media e deviazione standard lo so. Spero che la differenza dalla media possa essere approssimata bene da un certo …
2
Il teorema del limite centrale multivariato (CLT) vale quando le variabili mostrano una perfetta dipendenza contemporanea?
Il titolo riassume la mia domanda, ma per chiarezza si consideri il seguente semplice esempio. Let Xio∽I i dN( 0 , 1 )Xio∽ioiodN(0,1)X_i \overset{iid}{\backsim} \mathcal{N}(0, 1) , i = 1 , . . . , nio=1,...,ni = 1, ..., n . Definisci: Sn= 1nΣi = 1nXioSn=1nΣio=1nXio\begin{equation} S_n = \frac{1}{n} \sum_{i=1}^n …
1
Perché Anova () e drop1 () hanno fornito risposte diverse per i GLMM?
Ho un GLMM del modulo: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), ottengo risultati diversi rispetto a quelli che utilizzo Anova(model, type="III")dal pacchetto auto o summary(model). Questi ultimi due danno le stesse risposte. Usando un mucchio di dati fabbricati, …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
3
Tecnica di traccia randomizzata
Ho incontrato la seguente tecnica di traccia randomizzata in M. Seeger, "Aggiornamenti di basso rango per la decomposizione di Cholesky", Università della California a Berkeley, Tech. Rep, 2007. TR( A ) = E[ xTA x ]TR⁡(UN)=E[XTUNX]\operatorname{tr}(\mathbf{A}) = {E[\mathbf{x}^T \mathbf{A} \mathbf{x}]} dove .x ∼N( 0 , I )X~N(0,io)\mathbf{x} \sim N(\mathbf{0},\mathbf{I}) Come …
6
Come viene letta la notazione ?
Come viene letta la notazione ? È segue una distribuzione normale? O è una distribuzione normale? O forse è approssimativamente normale ..X X XX∼ N( μ , σ2)X∼N(μ,σ2)X\sim N(\mu,\sigma^2)XXX XXX XXX E se ci sono diverse variabili che seguono (o qualunque siano le parole) la stessa distribuzione? Come è scritto?
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.