Perguntas com a marcação «covariance»

Estou tendo problemas para gerar um conjunto de séries temporais coloridas estacionárias, dada sua matriz de covariância (suas densidades espectrais de potência (PSDs) e densidades espectrais de potência cruzada (CSDs)). Eu sei que, dadas duas séries temporais yEu( T )yEu(t)y_{I}(t) e yJ( T )yJ(t)y_{J}(t) , posso estimar suas densidades espectrais …

20 time-series  sampling  algorithms  simulation  covariance 

Se tivermos 2 variáveis ​​aleatórias normais e não correlacionadas , podemos criar 2 variáveis ​​aleatórias correlacionadas com a fórmulaX1,X2X1,X2X_1, X_2 Y=ρX1+1−ρ2−−−−−√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 e então terá uma correlação ρ com X 1 .YYYρρ\rhoX1X1X_1 Alguém pode explicar de onde vem essa fórmula?

19 correlation  normal-distribution  covariance 

Basicamente, o que eu quero saber é como as diferentes estruturas de covariância são aplicadas e como os valores dentro dessas matrizes são calculados. Funções como lme () permitem escolher qual estrutura gostaríamos, mas eu adoraria saber como elas são estimadas. Considere o modelo linear de efeitos mistos .Y=Xβ+Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon Onde …

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

Primeiro de tudo, não estou perguntando isso: Por que a correlação zero não implica independência? Isso é abordado (de maneira bastante agradável) aqui: /math/444408/why-does-zero-correlation-not-imply-independence O que estou perguntando é o oposto ... digamos que duas variáveis ​​sejam totalmente independentes uma da outra. Eles não poderiam ter uma pequena correlação por …

16 correlation  mathematical-statistics  covariance  independence 

Se os dados forem 1d, a variação mostrará até que ponto os pontos de dados são diferentes um do outro. Se os dados forem multidimensionais, obteremos uma matriz de covariância. Existe uma medida que fornece um número único de como os pontos de dados são diferentes entre si em geral …

16 variance  covariance  covariance-matrix 

Eu tenho uma unidade GPS que gera uma medição de ruído via matriz de covariância ΣΣ\Sigma : Σ=⎡⎣⎢σxxσyxσxzσxyσyyσyzσxzσyzσzz⎤⎦⎥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] (há também envolvido, mas vamos ignorar isso por um segundo.)ttt Suponha que …

15 covariance  measurement-error  uncertainty 

Eu preciso "aprender" a distribuição de um gaussiano bivariado com poucas amostras, mas uma boa hipótese sobre a distribuição anterior, então eu gostaria de usar a abordagem bayesiana. Eu defini o meu anterior: 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} \ \ \ …

15 distributions  bayesian  estimation  covariance  posterior 

Quais são os benefícios de especificar uma estrutura de covariância em um GLM (em vez de tratar todas as entradas fora da diagonal na matriz de covariância como zero)? Além de refletir o que se sabe dos dados, ele faz melhorar a qualidade do ajuste? melhorar a precisão preditiva em …

15 generalized-linear-model  covariance 

Pelo que entendi, podemos obter correlação normalizando a covariância usando a equação ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} onde σi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]} é o desvio padrão deXiXiX_i. Minha preocupação é: e se o desvio padrão for igual a zero? Existe alguma condição que garanta que não possa ser zero? Obrigado.

15 correlation  standard-deviation  covariance 

Questões Depende se a árvore é rasa ou profunda? Ou podemos dizer isso independentemente da profundidade / níveis da árvore? Por que o viés é baixo e a variância é alta? Por favor, explique intuitivamente e matematicamente

15 machine-learning  variance  covariance  cart  bias 

Se e são duas variáveis ​​aleatórias que só podem assumir dois estados possíveis, como posso mostrar que implica independência? Isso vai contra o que aprendi no dia em que não implica independência ...X XXYYY C O v ( X , Y ) = 0 Cov(X,Y)=0Cov(X,Y) = 0C O v ( …

14 covariance  independence 

Isso é um pouco complicado, por favor, me ajude a ver se estou entendendo mal esse conceito e de que maneira. Eu tenho um entendimento funcional da correlação, mas estou me sentindo um pouco apreensivo para realmente explicar com confiança os princípios por trás desse entendimento funcional. Pelo que entendi, …

14 correlation  categorical-data  covariance 

Preciso derivar expressões analíticas para a função de autocovariância γ(k)γ(k)\gamma\left(k\right) de um processo ARMA (2,1) indicado por: 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 Então, eu sei que: 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] para que eu possa escrever: 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] então, para derivar a versão analítica da função de autocovariância, preciso substituir valores de …

13 time-series  covariance  autocorrelation  arma 

Eu tenho duas variáveis ​​aleatórias X>0X>0X > 0 e Y>0Y>0Y > 0 . Dado que eu posso estimar Cov(X,Y),Cov(X,Y),\text{Cov}(X, Y), como posso estimar Cov(log(X),log(Y))?Cov(log⁡(X),log⁡(Y))?\text{Cov}(\log(X), \log(Y))?

12 data-transformation  covariance  random-variable 

Após a pergunta de zzk sobre seu problema com simulações negativas, estou me perguntando quais são as famílias parametrizadas de distribuições no quadrante k-dimensional positivo, R k +, para o qual a matriz de covariância Σ pode ser definida.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Como discutido com ZZK , partindo de uma distribuição em Rk+R+k\mathbb{R}_+^k …

12 distributions  multivariate-analysis  covariance