La distribution marginale fait référence à la distribution de probabilité d'un sous-ensemble de variables contenues dans une distribution conjointe.
J'essaie d'élargir mes connaissances en statistiques. Je viens d'un milieu de sciences physiques avec une approche de test statistique "basée sur des recettes", où nous disons que le test est continu, qu'il est distribué normalement - régression MLS . Dans ma lecture, j'ai rencontré les termes:...
Depuis quelque temps, je cherche une bonne lecture introductive sur les copules pour mon séminaire. Je trouve beaucoup de matériel qui parle d'aspects théoriques, ce qui est bien, mais avant de les aborder, je cherche à construire une bonne compréhension intuitive sur le sujet. Quelqu'un...
J'analyse un ensemble de données à l'aide d'un modèle à effets mixtes avec un effet fixe (condition) et deux effets aléatoires (participant en raison de la conception et de la paire du sujet). Le modèle a été généré avec le lme4package:
Quelqu'un a-t-il une idée de la raison pour laquelle la corrélation conditionnelle entre 2 variables est appelée corrélation "partielle" et la corrélation simple entre elles (donc, lorsqu'elle n'est conditionnée à aucune autre variable) est appelée corrélation "marginale"? Quelle est l'intuition...
Soit une distribution conjointe de deux variables catégorielles , avec . Supposons que échantillons ont été tirés de cette distribution, mais nous ne recevons que les comptes marginaux, à savoir pour :px,ypx,yp_{x,y}X,YX,YX,Yx,y∈{1,…,K}x,y∈{1,…,K}x,y\in\{1,\ldots,K\}nnnj=1,…,Kj=1,…,Kj=1,\ldots,K...
Je veux échantillonner à partir d'une densité univariée mais je ne connais que la relation:FXfXf_X FX( x ) = ∫FX| Oui( x | y) fOui( y) dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. Je veux éviter l'utilisation de MCMC (directement sur la représentation intégrale) et,...
L'un des problèmes de mon manuel se pose comme suit. Un vecteur continu stochastique bidimensionnel a la fonction de densité suivante: FX, Y( x , y) = { 15 x y20si 0 <x <1 et 0 <y <xautrementfX,Y(x,y)={15xy2if 0 < x < 1 and 0 < y < x0otherwise f_{X,Y}(x,y)= \begin{cases}...
Comme le titre l'indique, je cherche les densités marginales def(x,y)=c1−x2−y2−−−−−−−−−√,x2+y2≤1.f(x,y)=c1−x2−y2,x2+y2≤1.f (x,y) = c \sqrt{1 - x^2 - y^2}, x^2 + y^2 \leq 1. Jusqu'à présent, j'ai trouvé que était . J'ai compris cela en convertissant en coordonnées polaires et en intégrant sur ,...
Il existe généralement de nombreuses distributions conjointes cohérentes avec un ensemble connu de distributions marginales .P(X1=x1,X2=x2,...,Xn=xn)P(X1=x1,X2=x2,...,Xn=xn)P(X_1 = x_1, X_2 = x_2, ..., X_n = x_n)fi(xi)=P(Xi=xi)fi(xi)=P(Xi=xi)f_i(x_i) = P(X_i = x_i) De ces distributions conjointes,...
J'essaie de calculer la probabilité marginale d'un modèle statistique par les méthodes de Monte Carlo: F( x ) = ∫F( x ∣ θ ) π( θ )réθF(X)=∫F(X∣θ)π(θ)réθf(x) = \int f(x\mid\theta) \pi(\theta)\, d\theta La probabilité est bien comportée - lisse, log-concave - mais de grande dimension. J'ai essayé...
Un facteur bayésien est défini dans les tests bayésiens d'hypothèse et de sélection du modèle bayésien par le rapport de deux probabilités marginales: pour un échantillon iid et les densités d'échantillonnage respectives et , avec les a priori correspondants et , le facteur Bayes pour comparer les...
Supposons que nous ayons une variable aléatoire distribuée comme et distribuée comme , où signifie une distribution uniforme dans l'intervalle .X1X1X_1U[0,1]U[0,1]U[0,1]X2X2X_2U[0,X1]U[0,X1]U[0,X_1]U[a,b]U[a,b]U[a,b][a,b][a,b][a,b] J'ai pu calculer le pdf commun de et le pdf marginal de...
Étant donné une probabilité gaussienne pour un échantillon comme avec étant l'espace des paramètres et , paramétrisations arbitraires du vecteur moyen et de la matrice de covariance.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) =