Als «correlation» getaggte Fragen

Ein Maß für den Grad der linearen Assoziation zwischen einem Variablenpaar.

7
Wenn Korrelation keine Kausalität impliziert, welchen Wert hat es dann, die Korrelation zwischen zwei Variablen zu kennen?
Angenommen, als Geschäftsinhaber (oder Marketingmitarbeiter oder jeder, der ein Streudiagramm versteht) wird ein Streudiagramm mit zwei Variablen angezeigt: Anzahl der Anzeigen im Vergleich zur Anzahl der Produktverkäufe pro Monat in den letzten 5 Jahren (oder eine andere Zeitskala, damit Sie habe mehr Proben. Ich habe mir gerade diese ausgedacht. Jetzt …
2
Was ist das Bayes'sche Gegenstück zu einem T-Test mit zwei Stichproben und ungleichen Varianzen?
Ich suche das bayesianische Gegenstück zum Zwei-Stichproben-T-Test mit ungleichen Varianzen (Welch-Test). Ich suche auch nach einem multivariaten Test wie der T-Statistik von Hotelling. Referenzen geschätzt. Nehmen wir für den multivariaten Fall an, dass wir und , wobei (bzw. ) eine Abkürzung für einen Stichprobenmittelwert, eine Stichprobenstandardabweichung und eine Anzahl von …
3
Bedeutet Zentrierung die Kovarianz?
Angenommen, ich habe zwei nicht unabhängige Zufallsvariablen und möchte die Kovarianz zwischen ihnen so weit wie möglich reduzieren, ohne zu viel "Signal" zu verlieren. Bedeutet dies, dass die Zentrierung hilft? Ich habe irgendwo gelesen, dass mittlere Zentrierung die Korrelation um einen signifikanten Faktor reduziert, daher denke ich, dass dies auch …
4
Ausreichende und notwendige Bedingungen für den Null-Eigenwert einer Korrelationsmatrix
Bei Zufallsvariablen mit der Wahrscheinlichkeitsverteilung ist die Korrelationsmatrix positiv semidefinit, dh ihre Eigenwerte sind positiv oder Null.nnnXiXiX_iP(X1,…,Xn)P(X1,…,Xn)P(X_1,\ldots,X_n)Cij=E[XiXj]−E[Xi]E[Xj]Cij=E[XiXj]−E[Xi]E[Xj]C_{ij}=E[X_i X_j]-E[X_i]E[X_j] Ich interessiere mich für die Bedingungen auf , die notwendig sind und / oder ausreichend für haben Null Eigenwerte. Eine ausreichende Bedingung ist beispielsweise, dass die Zufallsvariablen nicht unabhängig sind: für einige …
1
R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
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 
5
Intuition zur Definition der Kovarianz
Ich habe versucht, die Kovarianz zweier Zufallsvariablen besser zu verstehen und zu verstehen, wie die erste Person, die daran dachte, zu der Definition kam, die routinemäßig in der Statistik verwendet wird. Ich ging zu Wikipedia , um es besser zu verstehen. Aus dem Artikel geht hervor, dass ein gutes Kandidatenmaß …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.