Als «covariance» getaggte Fragen

Aufgrund ihrer Kovarianzmatrix (ihre Leistungsspektraldichten (PSDs) und Kreuzleistungsspektraldichten (CSDs)) habe ich Probleme, eine Reihe stationärer farbiger Zeitreihen zu erstellen. Ich weiß, dass ich mit zwei Zeitreihen und ihre Leistungsspektraldichten (PSDs) und Kreuzspektraldichten (CSDs) unter Verwendung vieler allgemein verfügbarer Routinen abschätzen kann, wie z und Funktionen in Matlab usw. Die PSDs …

20 time-series  sampling  algorithms  simulation  covariance 

Wenn wir 2 normale, nicht korrelierte Zufallsvariablen haben, können wir mit der Formel 2 korrelierte Zufallsvariablen erstellenX1,X2X1,X2X_1, X_2 Y=ρX1+1−ρ2−−−−−√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 und dann wird eine Korrelation mit .ρ X 1YYYρρ\rhoX1X1X_1 Kann jemand erklären, woher diese Formel kommt?

19 correlation  normal-distribution  covariance 

Grundsätzlich frage ich mich, wie unterschiedliche Kovarianzstrukturen erzwungen werden und wie die Werte in diesen Matrizen berechnet werden. Funktionen wie lme () erlauben es uns, die Struktur auszuwählen, die wir möchten, aber ich würde gerne wissen, wie sie geschätzt werden. Betrachten Sie das lineare Mischeffektmodell .Y=Xβ+Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon Wobei und . Außerdem:≤ …

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

Zunächst frage ich nicht: Warum bedeutet Nullkorrelation keine Unabhängigkeit? Dies wird hier (ziemlich gut) angesprochen : /math/444408/why-does-zero-correlation-not-imply-independence Was ich frage ist das Gegenteil ... sagen zwei Variablen sind völlig unabhängig voneinander. Könnten sie nicht zufällig ein kleines bisschen Korrelation haben? Sollte es nicht sein ... Unabhängigkeit impliziert SEHR KLEINE Korrelation?

16 correlation  mathematical-statistics  covariance  independence 

Wenn die Daten 1d sind, zeigt die Varianz das Ausmaß an, in dem sich die Datenpunkte voneinander unterscheiden. Wenn die Daten mehrdimensional sind, erhalten wir eine Kovarianzmatrix. Gibt es ein Maß, das angibt, wie unterschiedlich die Datenpunkte im Allgemeinen für mehrdimensionale Daten sind? Ich habe das Gefühl, dass es bereits …

16 variance  covariance  covariance-matrix 

Ich habe ein GPS-Gerät, das eine Rauschmessung über die Kovarianzmatrix ausgibt :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] (Es ist auch beteiligt, aber lassen Sie uns das für eine …

15 covariance  measurement-error  uncertainty 

Ich muss die Verteilung eines bivariaten Gaußschen mit wenigen Stichproben "lernen", aber eine gute Hypothese zur vorherigen Verteilung, also möchte ich den Bayes'schen Ansatz verwenden. Ich habe meinen Prior definiert: 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} …

15 distributions  bayesian  estimation  covariance  posterior 

Was sind die Vorteile der Angabe einer Kovarianzstruktur in einer GLM (anstatt alle nicht diagonalen Einträge in der Kovarianzmatrix als Null zu behandeln)? Abgesehen davon, was man über die Daten weiß, macht man es auch Passform verbessern? Verbesserung der Vorhersagegenauigkeit für ausgelagerte Daten? Lassen Sie uns das Ausmaß der Kovarianz …

15 generalized-linear-model  covariance 

Soweit ich weiß, können wir eine Korrelation erhalten, indem wir die Kovarianz mithilfe der Gleichung normalisieren ρich , j= c o v ( Xich, Xj)σichσjρich,j=cÖv(Xich,Xj)σichσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} Dabei ist die Standardabweichung von . Xiσich= E[ ( Xich- μich)2]-----------√σich=E[(Xich-μich)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XichXichX_i Meine Sorge ist, was ist, wenn die Standardabweichung gleich Null ist? Gibt …

15 correlation  standard-deviation  covariance 

Fragen Kommt es darauf an, ob der Baum flach oder tief ist? Oder können wir das unabhängig von der Tiefe / Höhe des Baumes sagen? Warum ist die Vorspannung niedrig und die Varianz hoch? Erklären Sie dies bitte intuitiv und mathematisch

15 machine-learning  variance  covariance  cart  bias 

Wenn und zwei Zufallsvariablen sind, die nur zwei mögliche Zustände annehmen können, wie kann ich dann zeigen, dass Unabhängigkeit impliziert? Diese Art von geht gegen das, was ich damals gelernt habe, dass keine Unabhängigkeit bedeutet ...X XXY YYC o v ( X , Y ) = 0 Cov(X,Y)=0Cov(X,Y) = 0C …

14 covariance  independence 

Dies ist ein kleiner Bauchcheck. Bitte helfen Sie mir zu sehen, ob und auf welche Weise ich dieses Konzept missverstehe. Ich habe ein funktionales Verständnis von Korrelation, aber ich fühle mich ein wenig amüsiert, um die Prinzipien hinter diesem funktionalen Verständnis wirklich sicher zu erklären. Nach meinem Verständnis ist die …

14 correlation  categorical-data  covariance 

Ich muss analytische Ausdrücke für die Autokovarianzfunktion γ(k)γ(k)\gamma\left(k\right) eines ARMA (2,1) -Prozesses ableiten , die bezeichnet werden durch: 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 Also, ich weiß das: 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] damit ich schreiben kann: 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] Um dann die analytische Version der Autokovarianzfunktion abzuleiten, muss ich Werte von kkk - …

13 time-series  covariance  autocorrelation  arma 

Ich habe zwei Zufallsvariablen X>0X>0X > 0 und Y>0Y>0Y > 0 . Wenn ich Cov(X,Y),Cov(X,Y),\text{Cov}(X, Y), abschätzen kann , wie kann ich Cov ( log ( X ) , log ( Y ) ) abschätzen ?Cov(log(X),log(Y))?Cov(log⁡(X),log⁡(Y))?\text{Cov}(\log(X), \log(Y))?

12 data-transformation  covariance  random-variable 

Nach der Frage von zzk zu seinem Problem mit negativen Simulationen frage ich mich, welche Verteilungsfamilien für den positiven k-dimensionalen Quadranten parametrisiert sind, für den die Kovarianzmatrix kann.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Wie mit zzk besprochen, funktioniert das Anwenden der linearen Transformation ab einer Verteilung auf nicht.Rk+R+k\mathbb{R}_+^kX⟶Σ1/2(X−μ)+μX⟶Σ1/2(X−μ)+μX \longrightarrow\Sigma^{1/2} (X-\mu) + \mu

12 distributions  multivariate-analysis  covariance