Pertanyaan yang diberi tag «covariance»

Saya mengalami masalah dalam menghasilkan serangkaian seri waktu berwarna stasioner, mengingat matriks kovariansnya (densitas spektral daya (PSD)) dan densitas spektral cross-power (CSD)). Saya tahu bahwa, mengingat dua seri waktu yI(t)ysaya(t)y_{I}(t) dan yJ(t)yJ(t)y_{J}(t) , saya dapat memperkirakan kepadatan spektral daya (PSD) dan kepadatan spektral silang (CSD) menggunakan banyak rutinitas yang tersedia …

20 time-series  sampling  algorithms  simulation  covariance 

Jika kita memiliki 2 variabel acak normal, tidak berkorelasi maka kita dapat membuat 2 variabel acak berkorelasi dengan rumusX1,X2X1,X2X_1, X_2 Y=ρX1+1−ρ2−−−−−√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 dan kemudian akan memiliki korelasi dengan .ρ X 1YYYρρ\rhoX1X1X_1 Adakah yang bisa menjelaskan dari mana formula ini berasal?

19 correlation  normal-distribution  covariance 

Pada dasarnya apa yang saya pikirkan adalah bagaimana struktur kovarian yang berbeda ditegakkan, dan bagaimana nilai-nilai di dalam matriks ini dihitung. Fungsi seperti lme () memungkinkan kami untuk memilih struktur mana yang kami inginkan, tetapi saya ingin tahu bagaimana perkiraannya. Pertimbangkan model efek campuran linier .Y= Xβ+ Zu + ϵY=Xβ+Zkamu+ϵY=X\beta+Zu+\epsilon …

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

Pertama-tama, saya tidak menanyakan ini: Mengapa nol korelasi tidak menyiratkan independensi? Ini ditujukan (agak baik) di sini: /math/444408/why-does-zero-correlation-not-imply-independence Yang saya tanyakan adalah kebalikannya ... katakanlah dua variabel sepenuhnya independen satu sama lain. Tidak bisakah mereka memiliki sedikit korelasi secara kebetulan? Bukankah seharusnya ... independensi menyiratkan korelasi SANGAT KECIL?

16 correlation  mathematical-statistics  covariance  independence 

Jika data 1d, varians menunjukkan sejauh mana titik data berbeda satu sama lain. Jika datanya multidimensi, kita akan mendapatkan matriks kovarians. Apakah ada ukuran yang memberikan satu angka bagaimana titik data berbeda satu sama lain secara umum untuk data multi-dimensi? Saya merasa bahwa mungkin sudah ada banyak solusi, tetapi saya …

16 variance  covariance  covariance-matrix 

Saya memiliki unit GPS yang menampilkan pengukuran kebisingan melalui matriks kovarian :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] (ada juga terlibat tapi mari kita mengabaikan bahwa untuk kedua.)ttt Misalkan saya ingin memberi tahu orang lain …

15 covariance  measurement-error  uncertainty 

Saya perlu "mempelajari" distribusi gaussian bivariat dengan beberapa sampel, tetapi hipotesis yang baik pada distribusi sebelumnya, jadi saya ingin menggunakan pendekatan bayesian. Saya mendefinisikan sebelumnya: 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 & 0 \\ 0 …

15 distributions  bayesian  estimation  covariance  posterior 

Apa manfaat menentukan struktur kovarians dalam GLM (daripada memperlakukan semua entri diagonal dalam matriks kovarians sebagai nol)? Selain mencerminkan apa yang diketahui seseorang dari data, lakukan itu meningkatkan kebaikan fit? meningkatkan akurasi prediksi pada data yang disimpan? izinkan kami untuk memperkirakan tingkat kovarian? Berapa biaya menerapkan struktur kovarian? Melakukannya menambahkan …

15 generalized-linear-model  covariance 

Seperti yang saya pahami, kita bisa mendapatkan korelasi dengan menormalkan kovarians menggunakan persamaan ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} dimana adalah standar deviasiXi.σi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XiXiX_i Kekhawatiran saya adalah bagaimana jika standar deviasi sama dengan nol? Apakah ada syarat yang menjamin tidak boleh nol? Terima kasih.

15 correlation  standard-deviation  covariance 

Pertanyaan Apakah itu tergantung pada apakah pohon itu dangkal atau dalam? Atau dapatkah kita mengatakan ini terlepas dari kedalaman / level pohon? Mengapa bias rendah & varians tinggi? Tolong jelaskan secara intuitif dan matematis

15 machine-learning  variance  covariance  cart  bias 

Ini sedikit pemeriksaan usus, tolong bantu saya melihat apakah saya salah memahami konsep ini, dan dengan cara apa. Saya memiliki pemahaman fungsional tentang korelasi, tetapi saya merasa sedikit mengerti untuk benar-benar menjelaskan prinsip-prinsip di balik pemahaman fungsional itu. Seperti yang saya pahami, korelasi statistik (berlawanan dengan penggunaan istilah yang lebih …

14 correlation  categorical-data  covariance 

Jika dan adalah dua variabel acak yang hanya dapat mengambil dua kemungkinan keadaan, bagaimana saya bisa menunjukkan bahwa menyiratkan independensi? Jenis ini bertentangan dengan apa yang saya pelajari kembali pada hari dimana tidak menyiratkan independensi ...XXXYYYCov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 Petunjuk mengatakan mulai dengan dan sebagai status yang memungkinkan dan …

14 covariance  independence 

Saya perlu mendapatkan ekspresi analitik untuk fungsi autocovariance γ(k)γ(k)\gamma\left(k\right) dari proses ARMA (2,1) yang dilambangkan oleh: 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 Jadi, saya tahu itu: 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] jadi saya bisa menulis: 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] kemudian, untuk mendapatkan versi analitik dari fungsi autocovariance, saya perlu mengganti nilai kkk - 0, 1, …

13 time-series  covariance  autocorrelation  arma 

Saya memiliki dua variabel acak dan .X>0X>0X > 0Y>0Y>0Y > 0 Karena saya dapat memperkirakan bagaimana saya bisa memperkirakanCov(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 

Berikut zzk 's pertanyaan pada masalah dengan simulasi negatif, saya bertanya-tanya apa keluarga parametrized distribusi pada kuadran k-dimensi positif, yang kovarians matriks dapat ditetapkan.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Seperti yang didiskusikan dengan zzk , mulai dari distribusi pada dan menerapkan transformasi linear tidak berfungsi.Rk+R+k\mathbb{R}_+^kX⟶Σ1/2(X−μ)+μX⟶Σ1/2(X−μ)+μX \longrightarrow\Sigma^{1/2} (X-\mu) + \mu

12 distributions  multivariate-analysis  covariance