W swojej odpowiedzi na moje poprzednie pytanie @Erik P. podaje wyrażenie gdzie κ jest nadmiarem kurtozy rozkładu. Podanoodniesienie do wpisu w Wikipedii na tematrozkładu wariancji próbki, ale strona wikipedia mówi „potrzebne cytowanie”.V a r [ s2)] = σ4( 2n - 1+
Kiedy obliczyć błąd standardowy współczynnik regresji, nie stanowią przypadkowości w macierzy eksperymentu . Na przykład w OLS obliczamy jakoXXXvar ( β^)var(β^)\text{var}(\hat{\beta})var ( ( XT.X)- 1XT.Y) = σ2)( XT.X)- 1var((XTX)−1XTY)=σ2(XTX)−1\text{var}((X^TX)^{-1}X^TY) =...
Obecnie studiuję do moich finałów w podstawowych statystykach dla mojego licencjata ECE. Chociaż wydaje mi się, że mam matematykę głównie słabo, brakuje mi intuicyjnego zrozumienia, co tak naprawdę oznaczają liczby (preambuła: użyję raczej niechlujnego języka). Wiem, że E [X] jest „średnią...
Obliczam kowariancję rozkładu równolegle i muszę połączyć wyniki rozproszone w liczbie pojedynczej Gaussa. Jak połączyć te dwa elementy? Interpolacja liniowa między tymi dwoma prawie działa, jeśli są one podobnie rozmieszczone i zwymiarowane. Wikipedia zapewnia forumla na dole dla kombinacji, ale...
Czytam ten artykuł na temat ogólnych procesów Wishart (GWP). Artykuł oblicza kowariancje między różnymi zmiennymi losowymi (zgodnie z procesem Gaussa ) za pomocą kwadratowej funkcji kowariancji wykładniczej, tj. . Następnie mówi, że ta macierz kowariancji jest zgodna z...
Mam macierzy kowariancji i chcę podzielić zmienne na klastrów za pomocą hierarchicznego grupowania (na przykład, aby posortować macierz kowariancji).kn × nn×nn \times nkkk Czy istnieje typowa funkcja odległości między zmiennymi (tj. Między kolumnami / rzędami kwadratowej macierzy kowariancji)? A...
Jakie są „najlepsze” wskaźniki dla macierzy kowariancji i dlaczego? Jest dla mnie jasne, że Frobenius i c nie są odpowiednie, a parametryzacje kątów również mają swoje problemy. Intuicyjnie można chcieć kompromisu między tymi dwoma, ale chciałbym również wiedzieć, czy istnieją inne aspekty, o...
Próbuję zrozumieć całą wariancję / błąd standardowy w szeregu czasowym zwrotów finansowych i myślę, że utknąłem. Mam szereg miesięcznych danych o zwrocie zapasów (nazwijmy to ), które mają oczekiwaną wartość 1,00795 i wariancję 0,000228 (standardowe odchylenie to 0,01512). Próbuję obliczyć...
Zakładając, że mam dwie nie-niezależne zmienne losowe i chcę jak najbardziej zmniejszyć kowariancję bez utraty zbyt dużej ilości „sygnału”, czy oznacza to, że centrowanie pomaga? Czytałem gdzieś, co oznacza, że centrowanie zmniejsza korelację o znaczący czynnik, więc myślę, że powinno to zrobić...
Załóżmy, że losowa zmienna skalarna należy do wykładniczej rodziny wektorowej o formacie 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) - A({\boldsymbol \theta}) \right)...
Biorąc pod uwagę zmienną losową , jaka jest średnia i wariancja G = 1Y= Ex p ( λ )Y=Exp(λ)Y = Exp(\lambda) ?G = 1YG=1YG=\dfrac{1}{Y} Patrzę na odwrotny rozkład gamma, ale średnia i wariancja są zdefiniowane tylko odpowiednio dla i α > 2 ...α > 1α>1\alpha>1α >...
Próbowałem lepiej zrozumieć kowariancję dwóch zmiennych losowych i zrozumieć, jak pierwsza osoba, która o tym pomyślała, doszła do definicji rutynowo stosowanej w statystyce. Poszedłem na wikipedię, aby lepiej to zrozumieć. Z artykułu wynika, że dobra miara kandydata lub ilość dla powinna mieć...
Christopher Bishop pisze w swojej książce Pattern Recognition and Machine Learning dowód, że każdy kolejny główny składnik maksymalizuje wariancję projekcji do jednego wymiaru, po tym jak dane zostaną rzutowane do przestrzeni ortogonalnej na wcześniej wybrane komponenty. Inne pokazują podobne...
Mam zestaw danych, który składa się z 717 obserwacji (wierszy), które są opisane przez 33 zmienne (kolumny). Dane są standaryzowane przez punktację Z wszystkich zmiennych. Żadne dwie zmienne nie są liniowo zależne ( ). Usunąłem również wszystkie zmienne o bardzo niskiej wariancji (mniej niż )....
Chcę wdrożyć przyrostową regresję procesu gaussowskiego za pomocą przesuwanego okna nad punktami danych, które docierają jeden po drugim przez strumień. Pozwolić reddoznacz wymiarowość przestrzeni wejściowej. Więc każdy punkt danychxjaxix_i ma redd liczba elementów. Pozwolić nnn być wielkości...
Na str. 34 wstępu do nauki statystycznej :\newcommand{\Var}{{\rm Var}} Choć dowód matematyczny jest poza zakresem tej książki, jest możliwe, aby pokazać, że oczekiwany MSE testy, dla danej wartości , zawsze można rozłożyć na sumę trzech podstawowych ilości: w sprzeczności z f ( x 0 ) , kwadrat...
Wiem, że używamy do oszacowania wariancji populacji. Pamiętam wideo z Khan Academy, w którym podana intuicja była taka, że nasza szacunkowa średnia jest prawdopodobnie nieco mniejsza od rzeczywistej, więc odległości byłyby faktycznie większe, więc dzielimy przez mniej ( zamiast ) aby uzyskać...
Właśnie dowiedziałem się o koncepcji bootstrapowania i przyszło mi do głowy naiwne pytanie: jeśli zawsze możemy wygenerować wiele próbek bootstrap naszych danych, po co w ogóle starać się uzyskać więcej „prawdziwych” danych? Wydaje mi się, że mam wyjaśnienie, proszę mi powiedzieć, czy mam rację:...
Wydaje się, że w naszym ludzkim rozumieniu jest coś, co stwarza trudności w intuicyjnym uchwyceniu idei wariancji. W wąskim znaczeniu odpowiedź jest natychmiastowa: podniesienie kwadratu odciąga nas od refleksyjnego zrozumienia. Ale czy to tylko wariancja powoduje problemy, czy też cała idea...
Jeśli weźmiemy pod uwagę dorosłe drzewo decyzyjne (tj. Drzewo decyzji bez przycinania), ma ono dużą wariancję i niskie odchylenie. Bagging i losowe lasy używają tych modeli o dużej wariancji i agregują je w celu zmniejszenia wariancji, a tym samym zwiększenia dokładności prognoz. Zarówno Bagging,...