Als «normal-distribution» getaggte Fragen

Die Normal- oder Gaußsche Verteilung hat eine Dichtefunktion, die eine symmetrische glockenförmige Kurve ist. Es ist eine der wichtigsten Verteilungen in der Statistik. Verwenden Sie das Tag [Normalität], um nach dem Testen der Normalität zu fragen.

3
Wie verwandle ich die leptokurtische Verteilung in Normalität?
Angenommen, ich habe eine leptokurtische Variable, die ich in Normalität umwandeln möchte. Welche Transformationen können diese Aufgabe erfüllen? Mir ist durchaus bewusst, dass die Umwandlung von Daten nicht immer wünschenswert ist, aber als akademische Maßnahme möchte ich die Daten in die Normalität "hämmern". Wie Sie aus der Grafik ersehen können, …
4
Annahmen zur verbleibenden Regressionsverteilung
Warum ist es notwendig, die Verteilungsannahme auf die Fehler zu setzen, dh yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} mitϵi∼N(0,σ2)ϵi∼N(0,σ2)\epsilon_{i} \sim \mathcal{N}(0,\sigma^{2}) . Warum nicht schreiben yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} mityi∼N(Xβ^,σ2)yi∼N(Xβ^,σ2)y_i \sim \mathcal{N}(X\hat{\beta},\sigma^{2}) , wobei in jedem Fall ϵi=yi−y^ϵi=yi−y^\epsilon_i = y_i - \hat{y} . Ich habe gesehen, wie betont wurde, dass …
1
Warum ist der F-Test in linearen Gauß-Modellen am leistungsfähigsten?
Für ein lineares Gauß-Modell Y=μ+σGY=μ+σGY=\mu+\sigma G bei dem angenommen wird, dass μμ\mu in einem Vektorraum WWW und GGG die Standardnormalverteilung auf RnRn\mathbb{R}^n , ist die Statistik des FFF Tests für H0:{μ∈U}H0:{μ∈U}H_0\colon\{\mu \in U\} wobei U⊂WU⊂WU \subset W ist ein Vektorraum, eine zunehmende Eins-zu-Eins-Funktion der Abweichungsstatistik : Woher wissen wir, dass …
2
Intuition hinter der t-Verteilungsdichtefunktion
Ich studiere die t-Verteilung von Studenten und begann mich zu fragen, wie man die t-Verteilungsdichtefunktion ableiten könnte (aus Wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): f(t)=Γ(v+12)vπ−−√Γ(v2)(1+t2v)−v+12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} Dabei ist der Freiheitsgrad und Γ die Gammafunktion. Was ist die Intuition dieser Funktion? Ich meine, wenn ich mir die Wahrscheinlichkeitsmassenfunktion der Binomialverteilung anschaue, ist …
2
Wenn Daten eine Gauß-Verteilung haben, wie viele Stichproben werden sie charakterisieren?
Gaußsche Daten, die in einer einzigen Dimension verteilt sind, erfordern zwei Parameter, um sie zu charakterisieren (Mittelwert, Varianz), und es geht das Gerücht, dass etwa 30 zufällig ausgewählte Stichproben normalerweise ausreichen, um diese Parameter mit hinreichend hoher Sicherheit abzuschätzen. Aber was passiert, wenn die Anzahl der Dimensionen zunimmt? In zwei …
2
Wie groß ist der Abstand zwischen einer endlichen Gaußschen Mischung und einer Gaußschen?
Angenommen, ich habe eine Mischung aus endlich vielen Gaußschen mit bekannten Gewichten, Mittelwerten und Standardabweichungen. Die Mittel sind nicht gleich. Der Mittelwert und die Standardabweichung des Gemisches können natürlich berechnet werden, da die Momente gewichtete Mittelwerte der Momente der Komponenten sind. Die Mischung ist keine Normalverteilung, aber wie weit ist …
1
Python-Pakete für die Arbeit mit Gaußschen Mischungsmodellen (GMMs)
Für die Arbeit mit GMMs (Gaussian Mixture Models) in Python stehen anscheinend mehrere Optionen zur Verfügung. Auf den ersten Blick gibt es zumindest: PyMix - http://www.pymix.org/pymix/index.php Tools zur Gemischmodellierung PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ ist Teil der Scipy-Toolbox und scheint sich auf das GMM- Update zu konzentrieren: Jetzt bekannt als sklearn.mixture . …
3
Jeffreys Prior für die Normalverteilung mit unbekanntem Mittelwert und unbekannter Varianz
Ich lese über frühere Verteilungen und habe Jeffreys zuvor für eine Stichprobe normalverteilter Zufallsvariablen mit unbekanntem Mittelwert und unbekannter Varianz berechnet. Nach meinen Berechnungen gilt für Jeffreys Prior Folgendes: p(μ,σ2)=det(I)−−−−−√=det(1/σ2001/(2σ4))−−−−−−−−−−−−−−−−−−√=12σ6−−−−√∝1σ3.p(μ,σ2)=det(I)=det(1/σ2001/(2σ4))=12σ6∝1σ3. p(\mu,\sigma^2)=\sqrt{det(I)}=\sqrt{det\begin{pmatrix}1/\sigma^2 & 0 \\ 0 & 1/(2\sigma^4)\end{pmatrix}}=\sqrt{\frac{1}{2\sigma^6}}\propto\frac{1}{\sigma^3}. HierIIIFischers Informationsmatrix. Ich habe jedoch auch Veröffentlichungen und Dokumente gelesen, in denen es …
2
Wahrscheinlichkeitsverteilung für eine verrauschte Sinuswelle
Ich möchte eine Wahrscheinlichkeitsverteilung von Abtastpunkten aus einer oszillierenden Funktion analytisch berechnen, wenn ein Messfehler vorliegt. Ich habe bereits die Wahrscheinlichkeitsverteilung für den Teil "ohne Rauschen" berechnet (ich werde dies am Ende setzen), aber ich kann nicht herausfinden, wie "Rauschen" eingeschlossen werden soll. Numerische Schätzung Stellen Sie sich zur Verdeutlichung …
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.