Pour autant que je sache, la corrélation de distance est un moyen robuste et universel de vérifier s'il existe une relation entre deux variables numériques. Par exemple, si nous avons un ensemble de paires de nombres: (x1, y1) (x2, y2) ... (xn, yn) nous pouvons utiliser la corrélation de distance...
Je travaille avec l'information mutuelle depuis un certain temps. Mais j'ai trouvé une mesure très récente dans le "monde de corrélation" qui peut également être utilisée pour mesurer l'indépendance de distribution, la soi-disant "corrélation de distance" (également appelée corrélation brownienne):...
Quels sont les avantages de spécifier une structure de covariance dans un GLM (plutôt que de traiter toutes les entrées hors diagonale de la matrice de covariance comme nulles)? En plus de refléter ce que l'on sait des données, est-ce améliorer la qualité de l'ajustement? améliorer la précision...
Si je comprends bien, nous pouvons obtenir la corrélation en normalisant la covariance en utilisant l'équation ρi,j=cov(Xi,Xj)σiσjρje,j=cov(Xje,Xj)σjeσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} où est l'écart-type de .
Des questions Cela dépend-il si l'arbre est peu profond ou profond? Ou peut-on dire cela indépendamment de la profondeur / des niveaux de l'arbre? Pourquoi le biais est-il faible et la variance élevée? Veuillez expliquer intuitivement et mathématiquement
J'ai besoin "d'apprendre" la distribution d'un gaussien bivarié avec peu d'échantillons, mais une bonne hypothèse sur la distribution précédente, donc je voudrais utiliser l'approche bayésienne. J'ai défini mon avant: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim...
J'ai une unité GPS qui émet une mesure de bruit via une matrice de covariance :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} &...
J'ai regardé la page wikipedia pour la corrélation de distance où elle semble être caractérisée par la façon dont elle peut être calculée. Bien que je puisse faire les calculs, j'ai du mal à obtenir quelles mesures de corrélation de distance et pourquoi les calculs se présentent comme ils le font....
Ceci est un peu une vérification de l'intestin, s'il vous plaît aidez-moi à voir si je comprends mal ce concept et de quelle manière. J'ai une compréhension fonctionnelle de la corrélation, mais je me sens un peu difficile à expliquer en toute confiance les principes derrière cette compréhension...
J'ai besoin de dériver des expressions analytiques pour la fonction d'autocovarianceγ(k)γ(k)\gamma\left(k\right) d'un processus ARMA (2,1) dénoté par: 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 Donc, je sais que:...
Je travaille sur certaines techniques de regroupement, où pour un groupe donné de vecteurs de dimension d, je suppose une distribution normale multivariée et je calcule le vecteur moyen d'échantillon d et la matrice de covariance de l'échantillon. Ensuite , lorsque vous essayez de décider si un...
J'ai deux variables aléatoires et .X>0X>0X > 0Y>0Y>0Y > 0 Étant donné que je peux estimer comment puis-je estimerCov(X,Y),Cov(X,Y),\text{Cov}(X, Y),Cov(log(X),log(Y))?Cov(log(X),log(Y))?\text{Cov}(\log(X),
Il est bien connu qu'une matrice de covariance doit être définie semi-positive, mais l'inverse est-il vrai? Autrement dit, chaque matrice définie semi-positive correspond-elle à une matrice de
Quelqu'un peut-il illustrer, comme le fait Greg, mais plus en détail, comment les variables aléatoires peuvent être dépendantes, mais ont une covariance nulle? Greg, une affiche ici, donne un exemple en utilisant un cercle ici . Quelqu'un peut-il expliquer ce processus plus en détail en utilisant...
Suite à la question de zzk sur son problème avec les simulations négatives, je me demande quelles sont les familles de distributions paramétrées sur le quadrant positif k, R k + pour lesquelles la matrice de covariance Σ peut être établie.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Comme discuté avec ZZK , à...
Supposons que j'ai des matrices de covariance et . Parmi ces options, lesquelles sont également des matrices de covariance?XXXOuiYY X+ YX+YX+Y X2X2X^2 XOuiXYXY J'ai un peu de mal à comprendre ce qui est exactement nécessaire pour que quelque chose soit une matrice de covariance. Je suppose que cela...
J'étudie actuellement pour mes finales en statistiques de base pour mon baccalauréat ECE. Bien que je pense que je connais surtout les mathématiques, je manque de compréhension intuitive de ce que les chiffres signifient réellement. (Préambule: je vais utiliser un langage plutôt bâclé). Je sais que...
Je veux implémenter une régression de processus gaussienne incrémentielle en utilisant une fenêtre glissante sur les points de données qui arrivent un par un via un flux. Soit la dimensionnalité de l'espace d'entrée. Ainsi, chaque point de données a nombre d'éléments.dddxixix_iddd Soit la taille de...
J'essayais de mieux comprendre la covariance de deux variables aléatoires et de comprendre comment la première personne qui y avait pensé était arrivée à la définition couramment utilisée en statistique. Je suis allé sur wikipedia pour mieux le comprendre. D'après l'article, il semble qu'une bonne...
Le fond de mon étude : Dans un échantillonnage de Gibbs où nous échantillonnons (la variable d'intérêt) et partir de et respectivement, où et sont des vecteurs aléatoires à dimensions. Nous savons que le processus est généralement divisé en deux