Dans sa réponse à ma question précédente, @Erik P. donne l'expression où est l' excès de kurtosis de la distribution. Une référence à l'entrée Wikipedia sur la distribution de la variance de l'échantillon est donnée, mais la page wikipedia dit "la citation
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
Supposons que soit uniformément distribué sur . Laissez et . Montrer que la corrélation entre et est nulle.XXX[0,2π][0,2π][0, 2\pi]Y=sinXY=sinXY = \sin XZ=cosXZ=cosXZ = \cos XYYYZZZ Il semble que j'aurais besoin de connaître l'écart type du sinus et du cosinus, ainsi que leur covariance. Comment...
Je viens d'apprendre le concept de bootstrap, et une question naïve m'est venue à l'esprit: si nous pouvons toujours générer de nombreux échantillons bootstrap de nos données, pourquoi se donner la peine d'obtenir davantage de données "réelles"? Je pense avoir une explication, dites-moi si j'ai...
Il semble qu'il y ait quelque chose dans notre compréhension humaine qui crée des difficultés à saisir intuitivement l'idée de variance. Dans un sens étroit, la réponse est immédiate: la quadrature nous rejette de notre compréhension réflexive. Mais, est-ce seulement la variance qui pose problème,...
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 calcule la covariance d'une distribution en parallèle et j'ai besoin de combiner les résultats distribués en gaussien singulier. Comment combiner les deux? L'interpolation linéaire entre les deux fonctionne presque, si elles sont distribuées et dimensionnées de manière similaire. Wikipedia...
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...
Je lis ce document sur les processus Wishart généralisés (GWP). L'article calcule les covariances entre différentes variables aléatoires (suivant le processus gaussien ) en utilisant la fonction de covariance exponentielle au carré, c'est-à-dire . Il indique ensuite que cette matrice de covariance...
Lorsque l' on calcule l'erreur - type d'un coefficient de régression, nous ne tenons pas compte du caractère aléatoire dans la matrice de conception XXX . Dans OLS par exemple, on calcule var(β^)var(β^)\text{var}(\hat{\beta}) en tant que
J'ai une matrice de covariance et je souhaite partitionner les variables en clusters en utilisant un clustering hiérarchique (par exemple, pour trier une matrice de covariance).n×nn×nn \times nkkk Existe-t-il une fonction de distance typique entre les variables (c'est-à-dire entre les colonnes /...
Quelles sont les «meilleures» mesures pour les matrices de covariance, et pourquoi? Il est clair pour moi que Frobenius & c n'est pas approprié, et les paramétrisations d'angle ont aussi leurs problèmes. Intuitivement, on pourrait vouloir un compromis entre ces deux, mais j'aimerais aussi...
J'essaie de comprendre toute la variance / erreur std d'une série chronologique de rendements financiers, et je pense que je suis coincé. J'ai une série de données mensuelles sur le retour des actions (appelons-le ), qui a une valeur attendue de 1,00795 et une variance de 0,000228 (l'écart-type est...
Étant donné une variable aléatoire , quelles sont la moyenne et la variance de ?G = 1Oui= Ex p ( λ )Oui=EXp(λ)Y = Exp(\lambda)G = 1Ouig=1OuiG=\dfrac{1}{Y} Je regarde la distribution gamma inverse, mais la moyenne et la variance ne sont définies que pour et respectivement ...α > 2α >...
Étant donné les variables aléatoires échantillonné iid à partir de , définissez X1,X2,⋯,XnX1,X2,⋯,XnX_1,X_2, \cdots, X_n∼N(0,σ2)∼N(0,σ2)\sim \mathcal{N}(0, \sigma^2)Z=maxi∈{1,2,⋯,n}XiZ=maxi∈{1,2,⋯,n}XiZ = \max_{i \in \{1,2,\cdots, n \}} X_i Nous avons cela E[Z]≤σ2logn−−−−−√E[Z]≤σ2logn\mathbb{E}[Z]...
J'ai un ensemble de données qui comprend 717 observations (lignes) qui sont décrites par 33 variables (colonnes). Les données sont normalisées par z-score de toutes les variables. Il n'y a pas deux variables dépendantes linéairement ( ). J'ai également supprimé toutes les variables avec une très...
Je sais que nous utilisons pour estimer la variance d'une population. Je me souviens d'une vidéo de Khan Academy où l'intuition donnée était que notre moyenne estimée est probablement un peu différente de la réelle, de sorte que les distances seraient en fait plus grandes, donc nous divisons par...
Supposons qu'une variable aléatoire scalaire appartient à une famille exponentielle à paramètres vectoriels avec pdfXXX fX(x|θ)=h(x)exp(∑i=1sηi(θ)Ti(x)−A(θ))fX(x|θ)=h(x)exp(∑i=1sηi(θ)Ti(x)−A(θ)) f_X(x|\boldsymbol \theta) = h(x) \exp\left(\sum_{i=1}^s \eta_i({\boldsymbol \theta}) T_i(x) -...
Si nous considérons un arbre de décision complet (c'est-à-dire un arbre de décision non élagué), il présente une variance élevée et un faible biais. L'ensachage et les forêts aléatoires utilisent ces modèles à variance élevée et les agrègent afin de réduire la variance et ainsi améliorer la...
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...