macierz kowariancji pomiędzy wszystkimi parami zmiennych losowych. Jest również nazywany macierzą wariancji-kowariancji lub po prostu macierzą kowariancji.
k × kk
Dla danej macierzy danych (ze zmiennymi w kolumnach i punktami danych w wierszach) wydaje się, że A T A odgrywa ważną rolę w statystyce. Na przykład jest to ważna część analitycznego rozwiązania zwykłych najmniejszych kwadratów. Lub, w przypadku PCA, jego wektory własne są głównymi składnikami danych.ZAAAZAT.ZAATAA^TA Rozumiem, jak obliczyć , …
Zastanawiałem się, czy ktoś mógłby wskazać mi jakieś odniesienia, które omawiają interpretację elementów odwrotnej macierzy kowariancji, znanej również jako matryca koncentracji lub macierz precyzji. Mam dostęp do zależności wielowymiarowych Coxa i Wermutha , ale szukam interpretacji każdego elementu w macierzy odwrotnej. Wikipedia stwierdza : „Elementy macierzy dokładności mają interpretację w …
Myślę, że odpowiedź powinna brzmieć „tak”, ale nadal czuję, że coś jest nie tak. W literaturze powinny być jakieś ogólne wyniki, czy ktoś mógłby mi pomóc?
Badałem znaczenie dodatnich półokreślonych właściwości macierzy korelacji lub kowariancji. Szukam jakichkolwiek informacji na temat Definicja dodatniej półokreśloności; Jego ważne właściwości, praktyczne implikacje; Konsekwencja negatywnego wyznacznika, wpływ na analizę wielowymiarową lub wyniki symulacji itp.
Słyszałem, że częściowe korelacje między zmiennymi losowymi można znaleźć, odwracając macierz kowariancji i pobierając odpowiednie komórki z takiej wynikowej macierzy precyzji (fakt ten jest wspomniany w http://en.wikipedia.org/wiki/Partial_correlation , ale bez dowodu) . Dlaczego tak jest?
Powiedzmy, że mam wymiarowy wielowymiarowy rozkład Gaussa. Biorę obserwacji (każdy z nich -vector), z tego rozkładu i obliczyć próbki kowariancji . W tym artykule autorzy stwierdzają, że macierz kowariancji próbki obliczona za pomocą jest pojedynczą.pppnnnpppSSSp>np>np > n Jak to jest prawda lub pochodne? Jakieś wyjaśnienia?
Czy są jakieś miary podobieństwa lub odległości między dwiema symetrycznymi macierzami kowariancji (obie o tych samych wymiarach)? Mam tu na myśli analogie do dywergencji KL dwóch rozkładów prawdopodobieństwa lub odległości euklidesowej między wektorami, z wyjątkiem zastosowanych do macierzy. Wyobrażam sobie, że byłoby całkiem sporo pomiarów podobieństwa. Idealnie chciałbym również przetestować …
Chciałbym wygenerować losową macierz korelacji o wielkości n × n, tak aby występowały pewne umiarkowanie silne korelacje:CC\mathbf Cn×nn×nn \times n kwadratowa rzeczywista macierz symetryczna o rozmiarze , np. n = 100 ;n×nn×nn \times nn=100n=100n=100 pozytywnie określone, tj. ze wszystkimi wartościami własnymi rzeczywistymi i dodatnimi; pełna ranga; wszystkie elementy ukośne równe …
W przypadku prostej regresji liniowej współczynnik regresji oblicza się bezpośrednio z macierzy wariancji-kowariancji , o gdzie jest indeksem zmiennej zależnej, a e jest indeksem zmiennej objaśniającej.C d , eCCC deCd,eCe,eCd,eCe,e C_{d, e}\over C_{e,e} dddeee Jeśli ktoś ma tylko macierz kowariancji, czy można obliczyć współczynniki dla modelu z wieloma zmiennymi objaśniającymi? …
Biorąc pod uwagę macierz kowariancji ΣsΣs\boldsymbol \Sigma_s , w jaki sposób wygenerować dane, aby miała przykładową macierz kowariancji Σ^=ΣsΣ^=Σs\hat{\boldsymbol \Sigma} = \boldsymbol \Sigma_s ? Mówiąc bardziej ogólnie: często jesteśmy zainteresowani generowaniem danych z gęstości f(x|θ)f(x|θ) f(x \vert \boldsymbol\theta) , z danymi xxx podanymi parametrami wektorowymi θθ\boldsymbol\theta . Daje to próbkę, …
Analizy chemiczne próbek środowiskowych są często cenzurowane poniżej limitów sprawozdawczych lub różnych limitów wykrywalności / ilościowych. Te ostatnie mogą się różnić, zwykle proporcjonalnie do wartości innych zmiennych. Na przykład, próbka o wysokim stężeniu jednego związku może wymagać rozcieńczenia do analizy, co spowoduje proporcjonalne zawyżenie limitów cenzury dla wszystkich innych związków …
Na przykład, w RThe MASS::mvrnorm()Funkcja ta jest przydatna do generowania danych, aby wykazać różne rzeczy w statystykach. Bierze obowiązkowy Sigmaargument, który jest macierzą symetryczną określającą macierz kowariancji zmiennych. Jak utworzyć symetryczną macierz z dowolnymi wpisami?n×nn×nn\times n
Znam definicję macierzy symetrycznej dodatniej określonej (SPD), ale chcę zrozumieć więcej. Dlaczego są tak ważne, intuicyjnie? Oto co wiem. Co jeszcze? Dla danych danych macierzą współwariancji jest SPD. Macierz współwariancji jest ważnym miernikiem, zobacz ten doskonały post dla intuicyjnego wyjaśnienia. Forma kwadratowa 12x⊤Ax−b⊤x+c12x⊤Ax−b⊤x+c\frac 1 2 x^\top Ax-b^\top x +cjest wypukły, …
Zasadniczo zastanawiam się, w jaki sposób wymuszane są różne struktury kowariancji i jak obliczane są wartości w tych macierzach. Funkcje takie jak lme () pozwalają nam wybrać, którą strukturę chcielibyśmy, ale chciałbym wiedzieć, jak są szacowane. Rozważ liniowy model efektów mieszanych .Y=Xβ+Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon Gdzie i . Ponadto:u∼dN(0,D)u∼dN(0,D)u \stackrel{d}{\sim} N(0,D)ϵ∼dN(0,R)ϵ∼dN(0,R)\epsilon \stackrel{d}{\sim} N(0,R) …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.