Ich habe 2 Korrelationsmatrizen und (unter Verwendung des linearen Korrelationskoeffizienten nach Pearson durch Matlab's corrcoef () ). Ich möchte quantifizieren, wie viel "mehr Korrelation" Vergleich zu enthält . Gibt es dafür eine Standardmetrik oder einen Standardtest?B.EINEINAB.B.BB.EINEINAB.B.B ZB die Korrelationsmatrix enthält "mehr Korrelation" als Mir ist der M-Test der Box bekannt …
Ich habe eine Matrix paarweiser Korrelationen zwischen n Elementen. Jetzt möchte ich eine Teilmenge von k Elementen mit der geringsten Korrelation finden. Somit gibt es zwei Fragen: Welches ist das geeignete Maß für die Korrelation innerhalb dieser Gruppe? Wie finde ich die Gruppe mit der geringsten Korrelation? Dieses Problem erscheint …
Aus Wikipedia Formal ist die partielle Korrelation zwischen und einer Gruppe von gegebenen Steuern Variablen , geschrieben ρ_ {XY · Z} , ist die Korrelation zwischen den Residuen RX und RY von dem resultierenden lineare Regression von X mit Z und Y mit Z bezeichnet.XXXYYYnnnZ={Z1,Z2,…,Zn}Z={Z1,Z2,…,Zn}Z = \{Z_1, Z_2, …, Z_n\}ρXY⋅ZρXY·Zρ_{XY·Z}RXRXRXRYRYRYXXXZZZYYYZZZ …
Der Korrelationskoeffizient ist: r =∑k(xk- -x¯) (yk- -yk¯)sxsyn - 1r=∑k(xk- -x¯)(yk- -yk¯)sxsyn- -1 r = \frac{\sum_k \frac{(x_k - \bar{x}) (y_k - \bar{y_k})}{s_x s_y}}{n-1} Der Stichprobenmittelwert und die Standardabweichung der Stichprobe sind empfindlich gegenüber Ausreißern. Auch der Mechanismus, wo, r =∑kZeugkn - 1r=∑kZeugkn- -1 r = \frac{\sum_k \text{stuff}_k}{n -1} ist auch …
Ich verstehe die Gründe für die Division durch bei der Berechnung der Stichprobenvarianz, dh wenn wir durch dividieren, erhalten wir eine Schätzung der Populationsvarianz, die voreingenommen ist, um zu niedrig zu sein.n−1n−1n-1nnn Buglear (2013, S. 57) erklärt die Pearson-Korrelation: Wir dividieren aus dem gleichen Grund wie bei der Berechnung der …
Ich habe Daten, die äquivalent sind zu: shopper_1 = ['beer', 'eggs', 'water',...] shopper_2 = ['diapers', 'beer',...] ... Ich möchte diesen Datensatz analysieren, um eine Korrelationsmatrix zu erhalten, die ähnliche Auswirkungen hat: Wenn Sie x gekauft haben, werden Sie wahrscheinlich y kaufen. Wie kann ich mit Python (oder vielleicht etwas anderem …
Meine Frage ist ziemlich einfach: Sei und zwei unkorrelierte einheitliche Zufallsvariablen auf . Sind sie unabhängig?X.X.XY.Y.Y[ - 1 , 1 ][- -1,1]][-1,1] Ich hatte den Eindruck, dass zwei zufällige, nicht korrelierte Variablen nur dann unbedingt unabhängig sind, wenn ihre gemeinsame Verteilung normal ist. Ich kann jedoch kein Gegenbeispiel finden, um …
Angenommen, Sie passen ein Modell . Gibt es praktische Implikationen für die Abschätzung des Interaktionseffekts, wenn und korreliert sind?y= x1+ x2+ x1× x2y=x1+x2+x1×x2y = x_1 + x_2 + x_1\times x_2x1x1x_1x2x2x_2 Ich verstehe, dass es Kollinearitätsprobleme geben könnte, wenn und sehr korreliert sind, aber das sollte den Interaktionsterm nicht beeinflussen, oder?x1x1x_1x2x2x_2
Mein letztendliches Ziel ist es, einen Vektor der Größe von korrelierten Bernoulli-Zufallsvariablen erzeugen zu können . Eine Möglichkeit, dies zu tun, besteht darin, den Gaußschen Coupla-Ansatz zu verwenden. Der Gaußsche Coupla-Ansatz lässt mich jedoch nur mit einem Vektor zurück:N.N.N ( p1, … , P.N.) ∈ [ 0 , 1 ]N.(p1,…,pN.)∈[0,1]]N. …
Ich mache nur ein paar Gedankenspiele, die meine Statistiknotizen durchgehen ... Ich habe ACFs mit negativen Werten bei den Verzögerungen 1 und 2 gesehen - ich habe hier vielleicht einen leeren Kopf, aber würde ein hoher negativer AC bei Verzögerung 1 nicht eine Reihe wie (-1,1, -1,1, ...), und als …
Ich sah mich einer begrenzenden Verteilung mit einer Kovarianz von Null zwischen zwei Variablen gegenüber, aber ihre Korrelation ist . Gibt es eine solche Verteilung? Wie kann es erklärt werden?111 Sie haben Recht, vielleicht muss ich mehr Details geben. OK, X und Y sind bivariate Normalverteilungen mit unterschiedlichen Varianzen und …
Ich habe gerade diese Frage und die wundervolle akzeptierte Antwort in diesem Forum gesehen. Ich wurde dann veranlasst, intuitiv zu verstehen, warum die Division von die Kovarianz normalisiert:S.xS.ySxSyS_xS_y COV( X., Y.)S.xS.y∈ [ - 1 , 1 ]COV(X,Y)SxSy∈[−1,1]\frac{\operatorname{COV}(X,Y)}{S_xS_y} \in [-1,1] Ich denke, es wird hilfreich sein, wenn ich nur verstehe, warum …
Ich versuche zu verstehen, wie die Kovarianzmatrix funktioniert. Nehmen wir also an, wir haben zwei Variablen: , wobei Cov ( X , Y ) = E [ ( x - E [ X ] ) ( y - E [ Y ] ) ] die Beziehung zwischen den Variablen angibt, …
Ich lese gerade eine Arbeit, die behauptet, dass der Korrelationskoeffizient für eine gleichmäßige Verteilung im Inneren einer Ellipse fX., Y.( x , y) = { konstant0if ( x , y ) innerhalb der Ellipse AndernfallsfX.,Y.(x,y)={Konstantewenn (x,y) innerhalb der Ellipse0Andernfallsf_{X,Y} (x,y) = \begin{cases}\text{constant} & \text{if} \ (x,y) \ \text{inside the ellipse} …
Ich habe eine Diagramminstanz mit gewichteten gerichteten Kanten, deren Werte im Bereich [-1,1] liegen können. Ich muss Clustering in diesem Diagramm durchführen, um Gruppen herauszufinden, in denen Eckpunkte stärker korreliert sind. Ich habe nach mehreren Algorithmen gesucht, die auf Clustering oder Community-Erkennungsgraphen basieren, aber die meisten funktionieren aufgrund der negativen …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.