Perguntas com a marcação «covariance»

A covariância é uma quantidade usada para medir a força e a direção do relacionamento linear entre duas variáveis. A covariância é sem escala e, portanto, muitas vezes difícil de interpretar; quando escalado pelos DPs das variáveis, torna-se o coeficiente de correlação de Pearson.

9
Como e por que a normalização e o dimensionamento de recursos funcionam?
Vejo que muitos algoritmos de aprendizado de máquina funcionam melhor com cancelamento médio e equalização de covariância. Por exemplo, as Redes Neurais tendem a convergir mais rapidamente, e o K-Means geralmente oferece melhores agrupamentos com recursos pré-processados. Não vejo a intuição por trás dessas etapas de pré-processamento levar a um …
4
Covariância e independência?
Li no meu livro que não garante que X e Y sejam independentes. Mas se são independentes, sua covariância deve ser 0. Ainda não consegui pensar em nenhum exemplo adequado; alguém poderia fornecer um?cov ( X, Y) = 0cov(X,Y)=0\text{cov}(X,Y)=0
2
O que a matriz de inversão de covariância diz sobre dados? (Intuitivamente)
Estou curioso sobre a natureza de Σ−1Σ−1\Sigma^{-1} . Alguém pode dizer algo intuitivo sobre "O que Σ−1Σ−1\Sigma^{-1} diz sobre dados?" Editar: Obrigado pelas respostas Depois de fazer alguns ótimos cursos, gostaria de acrescentar alguns pontos: É uma medida de informação, ou seja, xTΣ−1xxTΣ−1xx^T\Sigma^{-1}x é a quantidade de informação ao longo …
6
Por que o denominador do estimador de covariância não deveria ser n-2 em vez de n-1?
O denominador do estimador de variância (imparcial) é pois existem observações e apenas um parâmetro está sendo estimado.nn−1n−1n-1nnn V(X)=∑ni=1(Xi−X¯¯¯¯)2n−1V(X)=∑i=1n(Xi−X¯)2n−1 \mathbb{V}\left(X\right)=\frac{\sum_{i=1}^{n}\left(X_{i}-\overline{X}\right)^{2}}{n-1} Da mesma forma, pergunto-me por que o denominador de covariância não deveria ser quando dois parâmetros estão sendo estimados?n−2n−2n-2 Cov(X,Y)=∑ni=1(Xi−X¯¯¯¯)(Yi−Y¯¯¯¯)n−1Cov(X,Y)=∑i=1n(Xi−X¯)(Yi−Y¯)n−1 \mathbb{Cov}\left(X, Y\right)=\frac{\sum_{i=1}^{n}\left(X_{i}-\overline{X}\right)\left(Y_{i}-\overline{Y}\right)}{n-1}
3
Por que a inversão de uma matriz de covariância produz correlações parciais entre variáveis ​​aleatórias?
Ouvi dizer que correlações parciais entre variáveis ​​aleatórias podem ser encontradas invertendo a matriz de covariância e obtendo células apropriadas dessa matriz de precisão resultante (esse fato é mencionado em http://en.wikipedia.org/wiki/Partial_correlation , mas sem uma prova) . Por que esse é o caso?
4
Como garantir propriedades da matriz de covariância ao ajustar o modelo normal multivariado usando a máxima verossimilhança?
Suponha que eu tenha o seguinte modelo yi=f(xi,θ)+εiyi=f(xi,θ)+εiy_i=f(x_i,\theta)+\varepsilon_i onde , é um vetor de variáveis ​​explicativas, são os parâmetros da função não linear e , onde é naturalmente matriz.yi∈RKyi∈RKy_i\in \mathbb{R}^Kxixix_iθθ\thetafffεi∼N(0,Σ)εi∼N(0,Σ)\varepsilon_i\sim N(0,\Sigma)ΣΣ\SigmaK×KK×KK\times K O objetivo é o usual para estimar e . A escolha óbvia é o método de máxima verossimilhança. …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.