Une matrice de covariances entre toutes les paires de variables aléatoires. Elle est également appelée matrice de variance-covariance ou simplement matrice de covariance. k × k k×k k k
Pour une matrice de données donnée (avec des variables dans des colonnes et des points de données dans des lignes), il semble que joue un rôle important dans les statistiques. Par exemple, il s’agit d’une partie importante de la solution analytique des moindres carrés ordinaires. Ou, pour la PCA,...
Je commence à me familiariser avec l’utilisation de glmnetavec LASSO Regression, où mon résultat d’intérêt est dichotomique. J'ai créé un petit cadre de données fictif ci-dessous: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99,...
Je me demandais si quelqu'un pourrait m'indiquer des références qui traitent de l'interprétation des éléments de la matrice de covariance inverse, également appelée matrice de concentration ou matrice de précision. J'ai accès aux dépendances multivariées de Cox et Wermuth , mais ce que je...
Je suppose que la réponse devrait être oui, mais je sens toujours que quelque chose ne va pas. Il devrait y avoir des résultats généraux dans la littérature, est-ce que quelqu'un pourrait
J'ai étudié la signification de la propriété semi-définie positive des matrices de corrélation ou de covariance. Je cherche des informations sur Définition de semi-définitif positif; Ses propriétés importantes, ses implications pratiques; Conséquence d'avoir un déterminant négatif, impact sur...
J'ai entendu dire que l'on pouvait trouver des corrélations partielles entre des variables aléatoires en inversant la matrice de covariance et en prenant les cellules appropriées à partir de cette matrice de précision résultante (ce fait est mentionné dans
Disons que j'ai une distribution gaussienne multivariée à dimensions. Je suppose observations (chacun d'eux un -vector) à partir de cette distribution et calculer la matrice de covariance d'échantillon . Dans cet article , les auteurs déclarent que la matrice de covariance de l'échantillon calculée...
Existe-t-il des mesures de similitude ou de distance entre deux matrices de covariance symétrique (toutes deux ayant les mêmes dimensions)? Je pense ici aux analogues de la divergence KL de deux distributions de probabilités ou de la distance euclidienne entre vecteurs sauf appliquée aux matrices....
Je voudrais générer une matrice de corrélation aléatoire de telle sorte qu'il y ait des corrélations modérément fortes présentes: n × nCC\mathbf Cn×nn×nn \times n matrice symétrique réelle carrée de taille, avec par exemple ;n = 100n×nn×nn \times nn=100n=100n=100 positif-défini, c'est-à-dire avec...
Pour une régression linéaire simple, le coefficient de régression peut être calculé directement à partir de la matrice de variance-covariance CCC , par Cd,eCe,eCd,eCe,e C_{d, e}\over C_{e,e} oùdddest l'indice de la variable dépendante eteeeest l'indice de la variable explicative. Si l'on n'a que la...
Étant donné une matrice de covariance , comment générer des données telles qu'elles auraient l'échantillon de matrice de covariance ?ΣsΣs\boldsymbol \Sigma_sΣ^= ΣsΣ^=Σs\hat{\boldsymbol \Sigma} = \boldsymbol \Sigma_s Plus généralement: nous sommes souvent intéressés à générer des données à partir...
Les analyses chimiques d'échantillons environnementaux sont souvent censurées ci-dessous aux limites de déclaration ou à diverses limites de détection / quantification. Ces dernières peuvent varier, généralement proportionnellement aux valeurs des autres variables. Par exemple, un échantillon avec...
Par exemple, dans R, la MASS::mvrnorm()fonction est utile pour générer des données pour illustrer diverses choses dans les statistiques. Il prend un Sigmaargument obligatoire qui est une matrice symétrique spécifiant la matrice de covariance des variables. Comment créer une matrice symétrique n ×...
Je connais la définition de la matrice définie positive symétrique (SPD), mais je veux en savoir plus. Pourquoi sont-ils si importants, intuitivement? Voici ce que je sais. Quoi d'autre? Pour une donnée donnée, la matrice de co-variance est SPD. La matrice de co-variance est une métrique...
Fondamentalement, je me demande comment les différentes structures de covariance sont appliquées et comment les valeurs à l'intérieur de ces matrices sont calculées. Des fonctions comme lme () nous permettent de choisir quelle structure nous aimerions, mais j'aimerais savoir comment elles sont...
Je sais que l'un des avantages des modèles mixtes est qu'ils permettent de spécifier une matrice variance-covariance pour les données (symétrie composée, autorégressive, non structurée, etc.) Cependant, la lmerfonction en R ne permet pas de spécifier facilement cette matrice. Est-ce que quelqu'un...
Si les données sont 1d, la variance montre dans quelle mesure les points de données sont différents les uns des autres. Si les données sont multidimensionnelles, nous obtiendrons une matrice de covariance. Existe-t-il une mesure qui donne un nombre unique de différences entre les points de données...
Comme indiqué dans cette question, le rang maximum de la matrice de covariance est n−1n−1n-1 où est la taille de l'échantillon et donc si la dimension de la matrice de covariance est égale à la taille de l'échantillon, elle serait singulière. Je ne comprends pas pourquoi nous soustrayons du rang...
J'ai effectué une analyse en composantes principales de six variables AAA , BBB , CCC , DDD , EEE et FFF . Si je comprends bien, PC1 non rotatif me dit quelle combinaison linéaire de ces variables décrit / explique la plus grande variance dans les données et PC2 me dit quelle combinaison linéaire...
L'ACP robuste (telle que développée par Candes et al 2009 ou mieux encore Netrepalli et al 2014 ) est une méthode populaire pour la détection des valeurs aberrantes multivariées , mais la distance de Mahalanobis peut également être utilisée pour la détection des valeurs aberrantes étant donné une...