Pytania otagowane jako covariance

Mam problem z wygenerowaniem zestawu stacjonarnych kolorowych szeregów czasowych, biorąc pod uwagę ich macierz kowariancji (ich gęstości widmowe mocy (PSD) i gęstości widmowe mocy krzyżowej (CSD)). Wiem, że biorąc pod uwagę dwie serie czasowe i , mogę oszacować ich gęstość widmową mocy (PSD) i gęstość krzyżową widmową (CSD) przy użyciu …

20 time-series  sampling  algorithms  simulation  covariance 

Jeśli mamy 2 normalne, nieskorelowane zmienne losowe , możemy utworzyć 2 skorelowane zmienne losowe o wzorzeX1,X2X1,X2X_1, X_2 Y= ρ X1+ 1 - ρ2)-----√X2)Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 i następnie będzie miał korelacji z .ρ X 1YYYρρ\rhoX1X1X_1 Czy ktoś może wyjaśnić, skąd pochodzi ta formuła?

19 correlation  normal-distribution  covariance 

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) …

19 mixed-model  random-effects-model  covariance  covariance-matrix 

Jeśli dane mają wartość 1d, wariancja pokazuje stopień, w jakim punkty danych różnią się od siebie. Jeśli dane są wielowymiarowe, otrzymamy macierz kowariancji. Czy istnieje miara, która podaje pojedynczą liczbę różnic między punktami danych w przypadku danych wielowymiarowych? Wydaje mi się, że może już istnieć wiele rozwiązań, ale nie jestem …

17 variance  covariance  covariance-matrix 

Przede wszystkim nie pytam o to: Dlaczego zerowa korelacja nie oznacza niezależności? Jest to rozwiązane (raczej ładnie) tutaj: /math/444408/why-does-zero-correlation-not-imply-independence Pytam o coś przeciwnego ... powiedzmy, że dwie zmienne są całkowicie niezależne od siebie. Czy nie mogliby przez przypadek mieć odrobinę korelacji? Czy nie powinno być ... niezależność oznacza BARDZO MAŁĄ …

16 correlation  mathematical-statistics  covariance  independence 

Mam urządzenie GPS, które wyprowadza pomiar hałasu za pomocą macierzy kowariancji :ΣΣ\Sigma Σ = ⎡⎣⎢σx xσyxσx zσx yσyyσyzσx zσyzσzz⎤⎦⎥Σ=[σxxσxyσxzσyxσyyσyzσxzσyzσzz]\Sigma = \left[\begin{matrix} \sigma_{xx} & \sigma_{xy} & \sigma_{xz} \\ \sigma_{yx} & \sigma_{yy} & \sigma_{yz} \\ \sigma_{xz} & \sigma_{yz} & \sigma_{zz} \end{matrix}\right] (tam też zaangażowany ale zignorujmy że na sekundę).ttt Załóżmy, że chcę …

16 covariance  measurement-error  uncertainty 

Muszę „nauczyć się” rozkładu dwuwymiarowego gaussa z kilkoma próbkami, ale dobrą hipotezą na temat wcześniejszego rozkładu, dlatego chciałbym zastosować podejście bayesowskie. Zdefiniowałem mój wcześniejszy: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = \begin{bmatrix} 16 & 0 \\ 0 & …

15 distributions  bayesian  estimation  covariance  posterior 

Jakie są korzyści ze wskazania struktury kowariancji w GLM (zamiast traktowania wszystkich nie-diagonalnych wpisów w macierzy kowariancji jako zera)? Oprócz odzwierciedlenia tego, co wiemy o danych, robi to poprawić dobroć dopasowania? poprawić dokładność predykcyjną przetrzymywanych danych? pozwalają nam oszacować zakres kowariancji? Jakie są koszty nałożenia struktury kowariancji? Czy to dodać …

15 generalized-linear-model  covariance 

Jak rozumiem, możemy uzyskać korelację poprzez normalizację kowariancji za pomocą równania ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} gdzie to odchylenie standardowe . Xiσi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XiXiX_i Moje obawy dotyczą tego, czy odchylenie standardowe wynosi zero? Czy jest jakiś warunek, który gwarantuje, że nie może wynosić zero? Dzięki.

15 correlation  standard-deviation  covariance 

pytania Czy to zależy od tego, czy drzewo jest płytkie czy głębokie? Czy możemy to powiedzieć niezależnie od głębokości / poziomów drzewa? Dlaczego odchylenie jest niskie, a wariancja wysoka? Proszę wyjaśnić intuicyjnie i matematycznie

15 machine-learning  variance  covariance  cart  bias 

Jeśli XXX i YYY są dwiema losowymi zmiennymi, które mogą przyjmować tylko dwa możliwe stany, jak mogę pokazać, że C o v ( X , Y ) = 0Cov(X,Y)=0Cov(X,Y) = 0 oznacza niezależność? Ten rodzaj jest sprzeczny z tym, czego nauczyłem się w tym dniu, że C o v ( …

14 covariance  independence 

To trochę kontrola, proszę, pomóżcie mi zobaczyć, czy nie rozumiem tej koncepcji iw jaki sposób. Mam funkcjonalne zrozumienie korelacji, ale czuję się trochę wyłapany, aby naprawdę pewnie wyjaśnić zasady tego funkcjonalnego zrozumienia. Jak rozumiem, korelacja statystyczna (w przeciwieństwie do bardziej ogólnego użycia tego terminu) jest sposobem na zrozumienie dwóch ciągłych …

14 correlation  categorical-data  covariance 

Muszę wyprowadzić wyrażenia analityczne dla funkcji autokowariancji procesu ARMA (2,1) oznaczonej przez:γ(k)γ(k)\gamma\left(k\right) 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 Więc wiem, że: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] więc mogę napisać: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] następnie, aby uzyskać analityczną wersję funkcji autokowariancji, muszę zastąpić wartości - 0, 1, 2 ... dopóki nie otrzymam rekurencji, która jest ważna …

13 time-series  covariance  autocorrelation  arma 

Mam dwie zmienne losowe i .X>0X>0X > 0Y>0Y>0Y > 0 Biorąc pod uwagę, że mogę oszacować jak mogę oszacowaćCov(X,Y),Cov(X,Y),\text{Cov}(X, Y),Cov(log(X),log(Y))?Cov(log⁡(X),log⁡(Y))?\text{Cov}(\log(X), \log(Y))?

12 data-transformation  covariance  random-variable 

W następstwie ZZK jest pytanie o jego problem z ujemnymi symulacji, zastanawiam się jakie są parametryzowane rodziny rozkładów na dodatniej k-wymiarowa ćwiartce, , dla których kowariancji macierzy może być ustawiony.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Jak omówiono z zzk , rozpoczęcie od rozkładu na i zastosowanie transformacji liniowej nie działa.Rk+R+k\mathbb{R}_+^kX⟶ Σ1 / 2( X- μ …

12 distributions  multivariate-analysis  covariance