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.

2
Wie heißt dieses „Phänomen“?
Unten finden Sie ein Histogramm einiger Daten. Die Bins sind Ganzzahlen, die anderen Parameter sind irrelevant. Wie Sie sehen können, scheint es zwei getrennte, aber überlappende Normalverteilungen für ungerade und gerade Zahlen zu geben. Die Wahrscheinlichkeit, eine gerade Zahl zu sein, beträgt 1/3, bei einer ungeraden Zahl ebenfalls 2/3. Ich …
2
Inkonsistente Normalitätstests: Kolmogorov-Smirnov gegen Shapiro-Wilk
Ich untersuche derzeit einige Daten, die von einer von mir geschriebenen MC-Simulation erstellt wurden. Ich erwarte, dass die Werte normal verteilt sind. Natürlich habe ich ein Histogramm gezeichnet und es sieht vernünftig aus (denke ich?): [Oben links: Histogramm mit dist.pdf(), oben rechts: kumulatives Histogramm mit dist.cdf(), unten: QQ-Plot, datavs dist] …
2
Wenn
Ich habe Folgendes in einem Lehrbuch gesehen und habe Schwierigkeiten, das Konzept zu verstehen. Ich verstehe, dass normalerweise mit E ( ) = 0 und Var ( ) = .X n X n 1X.nXnX_nX.nXnX_nX.nXnX_n1n1n\frac{1}{n} Ich verstehe jedoch nicht, warum das Multiplizieren von mit den Standard normal machen würde.√X.nXnX_nn- -- -√n\sqrt …
3
Ein konkretes Beispiel ist die Durchführung einer SVD, um fehlende Werte zu unterstellen
Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
1
Verteilung eines Polynoms zweiten Grades einer Gaußschen Zufallsvariablen
Ich möchte berechnen P(Y=aX2+bX+c&lt;0)P(Y=aX2+bX+c&lt;0)P(Y=aX^2+bX+c<0) wobei . Ich kann es ganz einfach mit Monte Carlo machen. Ich wurde jedoch gebeten, das analytische PDF von und dann zu berechnenf Y ( y ) Y.X∼N(0,σ)X∼N(0,σ)X \sim N(0,\sigma)fY(y)fY(y)f_Y(y)YYY I=∫0−∞fY(y)dyI=∫−∞0fY(y)dyI=\int_{-\infty}^0 f_Y(y) dy Ich denke, wird so sein, dass nur numerisch berechnet werden kann. Da es …
1
OLS vs. maximale Wahrscheinlichkeit unter Normalverteilung in linearer Regression
Ich fand heraus, dass für ein einfaches lineares Regressionsmodell sowohl die OLS- als auch die Maximum-Likelihood-Methode (unter der Annahme einer Normalverteilung) dieselbe Ausgabe liefern (Parameterwerte). Können wir daraus sagen, dass OLS auch implizite Annahmen über die Normalverteilung macht oder umgekehrt? Ich bin nicht daran interessiert, warum beide den gleichen Wert …
2
Schiefe, Kurtosis und wie viele Standardabweichungen vom Mittelwert abweichen
Wie für die Normalverteilung bekannt ist, liegen 68% der Wahrscheinlichkeitsmasse innerhalb einer Standardabweichung des Mittelwerts, 95% innerhalb von zwei Standardabweichungen und 99,7% innerhalb von 3 Standardabweichungen. Ich habe jedoch einige empirische Verteilungen, die leptokurtisch und negativ verzerrt sind. Gibt es unter solchen Umständen eine Formel, die auf ihren Momenten höherer …
4
Wäre ein
Nehmen wir an, wir kennen den Mittelwert einer bestimmten Verteilung. Beeinflusst dies die Intervallschätzung der Varianz einer Zufallsvariablen (die ansonsten anhand der Stichprobenvarianz berechnet wird)? Können wir wie in ein kleineres Intervall für das gleiche Konfidenzniveau erhalten?
1
Wird angenommen, dass Gruppeneffekte in einem Modell mit gemischten Effekten aus einer Normalverteilung ausgewählt wurden?
Angenommen, wir sind daran interessiert, wie sich die Anzahl der Stunden, die diese Schüler studieren, auf die Noten der Schülerprüfungen auswirkt. Wir befragen Schüler aus verschiedenen Schulen. Wir führen das folgende Modell mit gemischten Effekten aus: Exam.gradesich= a + β1× Stunden studiertich+ Schulej+ eichexam.gradesi=a+β1×hours.studiedi+schoolj+ei \text{exam.grades}_i = a + \beta_1 \times …
1
Was ist genau nach t-Verteilung verteilt?
Ich versuche die Idee hinter der T-Distribution zu verstehen. Hier sind die Schritte, die ich bisher verstanden habe: Wir verwenden eine Stichprobe von N Elementen, um den Populationsmittelwert abzuschätzen. Im Detail verwenden wir den Stichprobenmittelwert als Schätzung des Populationsmittelwerts. Wir wollen wissen, wie nahe unsere Schätzung am realen Wert liegt. …
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.