Pytania otagowane jako normal-distribution

Rozkład normalny lub Gaussa ma funkcję gęstości, która jest symetryczną krzywą w kształcie dzwonu. Jest to jeden z najważniejszych rozkładów w statystykach. Użyj tagu [normalność], aby zapytać o testowanie normalności.

1
R / mgcv: Dlaczego produkty tensorowe te () i ti () wytwarzają różne powierzchnie?
mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Jakie jest maksymalne oszacowanie prawdopodobieństwa kowariancji dwuwymiarowych normalnych danych, gdy znana jest średnia i wariancja?
Załóżmy, że mamy losową próbkę z dwuwymiarowego rozkładu normalnego, który ma zera jako średnie i jedynki jako wariancje, więc jedynym nieznanym parametrem jest kowariancja. Co to jest MLE kowariancji? Wiem, że powinno to być coś takiego jak ale skąd to wiemy?1n∑nj = 1xjotyjot1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_j
1
Szacunki parametrów dla rozkładu normalnego skośnego
Jakie są szacunkowe parametry formalne dla skośnego-normalnego? Jeśli możesz, wyprowadzenie za pośrednictwem MLE lub Mom byłoby również świetne. Dzięki Edit . Mam zestaw danych, dla których mogę wizualnie stwierdzić, że wykresy są lekko przekrzywione w lewo. Chcę oszacować średnią i wariancję, a następnie wykonać test dopasowania pod względem dopasowania (dlatego …
2
Jaki jest rozkład dla maksimum (minimum) dwóch niezależnych normalnych zmiennych losowych?
Załóżmy konkretnie XXX i YYYsą normalnymi zmiennymi losowymi (niezależne, ale niekoniecznie identycznie rozmieszczone). Biorąc pod uwagę dowolnyaaa, czy istnieje fajna formuła dla P(max(X,Y)≤x)P(max(X,Y)≤x)P(\max(X,Y)\leq x)lub podobne koncepcje? Czy wiemy, że max(X,Y)max(X,Y)\max(X,Y) jest normalnie rozkładane, może wzór na średnią i odchylenie standardowe w kategoriach tych dla XXX i YYY ? Sprawdziłem zwykłe …
4
Dlaczego metody regresji metodą najmniejszych kwadratów i największej wiarygodności nie są równoważne, gdy błędy nie są zwykle rozkładane?
Tytuł mówi wszystko. Rozumiem, że najmniejsze kwadraty i maksymalne prawdopodobieństwo dadzą taki sam wynik dla współczynników regresji, jeśli błędy modelu są zwykle rozkładane. Ale co się stanie, jeśli błędy nie są zwykle dystrybuowane? Dlaczego te dwie metody nie są już równoważne?
2
Jakie jest prawdopodobieństwo, że
Załóżmy, że XXX i YYY są dwuwymiarowe normalne ze średnią μ=(μ1,μ2)μ=(μ1,μ2)\mu=(\mu_1,\mu_2) i kowariancją Σ=[σ11σ12σ12σ22]Σ=[σ11σ12σ12σ22]\Sigma = \begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \\ \end{bmatrix} . Jakie jest prawdopodobieństwo Pr(X&lt;Y|min(X,Y))Pr(X&lt;Y|min(X,Y))\Pr\left(X<Y|\min\left(X,Y\right)\right) ?
2
Transformacja liniowa normalnych wektorów gaussowskich
Mam trudności z udowodnieniem następującego stwierdzenia. Jest podany w artykule badawczym znalezionym w Google. Potrzebuję pomocy w udowodnieniu tego oświadczenia! Niech X= A S.X=ZAS.X= AS , gdzie ZAZAA jest macierzą ortogonalną, a S.S.S jest gaussowską. Zachowanie izotopowe Gaussa S.S.S który ma taki sam rozkład w dowolnej podstawie ortonormalnej. Jak działa …
1
Z istnienia UMVUE i wybór estymatora w populacji
Niech jest losowa próbka pobierana z populacji, w której \ theta \ w \ mathbb R .N ( θ , θ 2 ) θ ∈ R(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Szukam UMVUE z θθ\theta . Łączna gęstość (X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) wynosi faθ( x1, x2), ⋯ , xn)= ∏i = 1n1θ 2 π--√exp[ - 12 …
2
Oczekiwanie na
Niech , , , i niech będą niezależni. Czego oczekuje się od ?X1X1X_1X2X2X_2⋯⋯\cdotsXd∼N(0,1)Xd∼N(0,1)X_d \sim \mathcal{N}(0, 1)X41(X21+⋯+X2d)2X14(X12+⋯+Xd2)2\frac{X_1^4}{(X_1^2 + \cdots + X_d^2)^2} Łatwo jest znaleźć symetrycznie. Ale nie wiem, jak znaleźć oczekiwanie na . Czy możesz podać jakieś wskazówki?E(X21X21+⋯+X2d)=1dE(X12X12+⋯+Xd2)=1d\mathbb{E}\left(\frac{X_1^2}{X_1^2 + \cdots + X_d^2}\right) = \frac{1}{d}X41(X21+⋯+X2d)2X14(X12+⋯+Xd2)2\frac{X_1^4}{(X_1^2 + \cdots + X_d^2)^2} Co dotychczas uzyskałem …
3
Czy funkcję delta Diraca należy uważać za podklasę rozkładu Gaussa?
W Wikidata możliwe jest powiązanie rozkładów prawdopodobieństwa (jak wszystko inne) w ontologii, np. Że rozkład t jest podklasą niecentralnego rozkładu t, patrz np. https://angryloki.github.io/wikidata-graph-builder/?property=P279&amp;item=Q209675&amp;iterations=3&amp;limit=3 Istnieją różne przypadki ograniczające, np. Kiedy stopnie swobody w rozkładzie t osiągają nieskończoność lub gdy wariancja zbliża się do zera dla rozkładu normalnego (rozkład Gaussa). W …
2
Suma współczynników rozkładu wielomianowego
\newcommand{\P}{\mathbb{P}} Rzucam sprawiedliwą kostką. Ilekroć dostaję 1, 2 lub 3, zapisuję „1”; za każdym razem, gdy dostaję 4, zapisuję „2”; za każdym razem, gdy dostaję 5 lub 6, zapisuję „3”. Niech będzie całkowitą liczbą rzutów, których potrzebuję, aby iloczyn wszystkich zapisanych przeze mnie liczb wynosił \ geq 100000 . Chcę …
4
Czy to jest poprawne ? (generowanie skróconej normy-wielowymiarowej-gaussowskiej)
Jeśli X∈Rn, X∼N(0–,σ2I)X∈Rn, X∼N(0_,σ2I)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I}) tj. fX(x)=1(2πσ2)n/2exp(−||x||22σ2)fX(x)=1(2πσ2)n/2exp⁡(−||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Chcę analogicznej wersji skróconego rozkładu normalnego w przypadku wielu odmian. Dokładniej, chcę wygenerować ograniczony normą (do wartości ≥a≥a\geq a ) wielowymiarowy Gaussowski YYY st fY(y)={c.fX(y), if ||y||≥a0, otherwise .fY(y)={c.fX(y), if ||y||≥a0, otherwise . f_Y(y) = \begin{cases} c.f_X(y), \text{ if …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.