Als «variance» getaggte Fragen

Die erwartete quadratische Abweichung einer Zufallsvariablen von ihrem Mittelwert; oder die durchschnittliche quadratische Abweichung der Daten über ihren Mittelwert.

5
Schritt Änderungserkennung
Ich verwende eine nichtlineare Methode der kleinsten Quadrate, um eine analytische Funktion an einige experimentelle Daten anzupassen. Ich muss dem Algorithmus einige anfängliche Schätzwerte geben, also versuche ich herauszufinden, wie dies automatisch gemacht wird (und nicht mit dem Auge, was ich getan habe). Dies sind einige simulierte Daten, die durch …



1
Das Anzeigen von und ist unabhängig: Suche nach einer Lösung für dieses Lehrbuchproblem
In einer Einführung in verallgemeinerte lineare Modelle von Dobson und Barnett lautet die Übung 1.4b & c wie folgt: Sei unabhängige Zufallsvariablen mit jeweils der Verteilung . Es sei und . ...Y1,...,YnY1,...,YnY_1,...,Y_nN(μ,σ2)N(μ,σ2)N(\mu,\sigma^2)Y¯¯¯¯=1n∑ni=1YiY¯=1n∑i=1nYi\overline{Y}=\frac{1}{n}\sum_{i=1}^{n}Y_iS2=1n−1∑ni=1(Yi−Y¯¯¯¯)2S2=1n−1∑i=1n(Yi−Y¯)2S^2=\frac{1}{n-1}\sum_{i=1}^{n}(Y_i-\overline{Y})^2 b. Zeigen Sie, dassS2=1n−1[∑ni=1(Yi−μ)2−n(Y¯¯¯¯−μ)2]S2=1n−1[∑i=1n(Yi−μ)2−n(Y¯−μ)2]S^2 = \frac{1}{n-1}[\sum_{i=1}^{n}(Y_i-\mu)^2-n(\overline{Y}-\mu)^2] c. Aus (b) folgt, dass . Wie können Sie daraus schließen, dass …




2
Funktioniert die Varianz nur bei normalverteilten Daten (als Maß für die Streuung)?
Es heißt in Wikipedia Die Rolle der Normalverteilung im zentralen Grenzwertsatz ist teilweise für die Prävalenz der Varianz in Wahrscheinlichkeit und Statistik verantwortlich. Ich verstehe dies als Wenn wir Varianz / SD als Maß für die Streuung verwenden, suchen wir tatsächlich nach dem "Skalierungsparameter" einer Normalverteilung, da eine zufällige Zufallsvariable …

3
Online-Varianzschätzung mit begrenztem Speicher
Ich erstelle eine Komponente, die darauf abzielt, den Durchschnitt und die Varianz einer Metrik zu berechnen, die mit Ereignissen verbunden ist, die während der Zeit auftreten, aber mit einem begrenzten internen Speicher. Stellen Sie sich vor, die Ereignisse sind Besucher, die einen Laden betreten, und die Metrik entspricht ihrem Alter. …

1
Varianz des Mittelwerts korrelierter und nicht korrelierter Daten
Ich habe diesen Absatz in James et al., Einführung in das statistische Lernen , S. 183-184 [1] gelesen: Da der Mittelwert vieler stark korrelierter Größen eine höhere Varianz aufweist als der Mittelwert vieler nicht so stark korrelierter Größen, weist die aus LOOCV resultierende Testfehlerschätzung tendenziell eine höhere Varianz auf als …

2
Wenn
Ich habe eine Variable , von der ich weiß, dass sie eine endliche Varianz hat (und daher auch einen endlichen Mittelwert). Stimmt es immer, dass seine Varianz nach der Skalierung mit endlich bleibt ?XXX0≤Y≤10≤Y≤10 \le Y \le 1 Beachten Sie, dass und nicht unbedingt unabhängig sind.XXXYYY Edit: Ich glaube, der …

1
Was ist der Mittelwert Null und die Einheitsvarianz in Bezug auf Bilddaten?
Ich bin neu im tiefen Lernen. Ich versuche einige Konzepte zu verstehen. Ich weiß, dass "Mittelwert" ein Durchschnittswert ist und "Varianz" eine Abweichung vom Mittelwert ist. Ich habe einige Forschungsarbeiten gelesen, alle sagen, dass wir unsere Daten zuerst vorverarbeiten. Aber wie hängen diese Konzepte mit der Bildvorverarbeitung zusammen? Warum werden …

2
Warum benutzen wir nicht einfach
Immerhin berechnen wir das VIF mit 1 / ( 1 -R.2j)1/(1−Rj2)1/(1-R_j^2). Ein VIF von555 entspricht einem R.2J.RJ2R_J^2 von 0,80.80.8. Für mich sind die Informationen vonR.2jRj2R_j^2wird nur dunkler, wenn ich die VIF-Formel anwende. Warum kann ich nicht einfach verwendenR.2jRj2R_j^2 Multikollinearität zu erkennen?


2
Zerlegung der durchschnittlichen quadratischen Verzerrung (in Elemente des statistischen Lernens)
Ich kann nicht herausfinden, wie die Formel 7.14 auf Seite 224 von Die Elemente des statistischen Lernens abgeleitet wird. Kann mir jemand helfen, es herauszufinden? Average squared bias=Average[model bias]2+Average[estimation bias]2Average squared bias=Average[model bias]2+Average[estimation bias]2\textrm{Average squared bias} = \textrm{Average}[\textrm{model bias}]^2 + \textrm{Average}[\textrm{estimation bias}]^2

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.