Perguntas com a marcação «normal-distribution»

A distribuição normal, ou gaussiana, tem uma função de densidade que é uma curva simétrica em forma de sino. É uma das distribuições mais importantes em estatística. Use a tag [normality] para perguntar sobre o teste de normalidade.

1
Teorema do Limite Central para raízes quadradas de somas de variáveis ​​aleatórias iid
Intrigado com uma pergunta em math.stackexchange e investigando-a empiricamente, estou pensando na seguinte declaração sobre a raiz quadrada de somas de variáveis ​​aleatórias iid. Suponha que são variáveis ​​aleatórias iid com média finita diferente de zero e variância e . O teorema do limite central diz medida que aumenta. μ …
1
R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?
O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Qual é a distribuição para o máximo (mínimo) de duas variáveis ​​aleatórias normais independentes?
Especificamente, suponha que e sejam variáveis ​​aleatórias normais (independentes, mas não necessariamente distribuídas de forma idêntica). Dado qualquer nomeadamente , existe uma fórmula agradável para ou conceitos semelhantes? Sabemos que \ max (X, Y) é normalmente distribuído, talvez uma fórmula para média e desvio padrão em termos daqueles para X …
2
Expectativa de
Seja X1X1X_1 , X2X2X_2 , ⋯⋯\cdots , Xd∼N(0,1)Xd∼N(0,1)X_d \sim \mathcal{N}(0, 1) e seja independente. Qual é a expectativa de X41(X21+⋯+X2d)2X14(X12+⋯+Xd2)2\frac{X_1^4}{(X_1^2 + \cdots + X_d^2)^2} ? É fácil encontrar E(X21X21+⋯+X2d)=1dE(X12X12+⋯+Xd2)=1d\mathbb{E}\left(\frac{X_1^2}{X_1^2 + \cdots + X_d^2}\right) = \frac{1}{d} por simetria. Mas eu não sei como encontrar a expectativa deX41(X21+⋯+X2d)2X14(X12+⋯+Xd2)2\frac{X_1^4}{(X_1^2 + \cdots + X_d^2)^2} …
3
A função delta de Dirac deve ser considerada uma subclasse da distribuição gaussiana?
No Wikidata, é possível vincular distribuições de probabilidade (como todo o resto) em uma ontologia, por exemplo, que a distribuição t é uma subclasse da distribuição t não central, veja, por exemplo, https://angryloki.github.io/wikidata-graph-builder/?property=P279&item=Q209675&iterations=3&limit=3 Existem vários casos limitantes, por exemplo, quando os graus de liberdade na distribuição t chegam ao infinito …
4
Isso está correto? (gerando uma norma truncada-multivariada-gaussiana)
Se X∈ Rn, X ∼ N( 0-, σ2I )X∈Rn, X∼N(0 0_,σ2Eu)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I}) ou seja, fX( x ) = 1( 2 πσ2)n / 2exp(−||x||22σ2)fX(x)=1(2πσ2)n/2exp⁡(−||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Eu quero uma versão análoga de uma distribuição normal truncada em um caso multivariado. Mais precisamente, I quer para gerar uma norma-constrangido (para …
2
Exemplo de duas variáveis ​​normais * correlacionadas * cuja soma não é normal
Estou ciente de alguns bons exemplos de pares de variáveis ​​aleatórias correlacionadas que são marginalmente normais, mas não são conjuntamente normais. Veja esta resposta de Dilip Sarwate e esta do cardeal . Também estou ciente de um exemplo de duas variáveis ​​aleatórias normais cuja soma não é normal. Veja esta …
2
Qual é a estimativa de máxima verossimilhança da covariância de dados normais bivariados quando média e variância são conhecidas?
Suponha que tenhamos uma amostra aleatória de uma distribuição normal bivariada que tem zeros como média e uns como variâncias; portanto, o único parâmetro desconhecido é a covariância. Qual é o MLE da covariância? Eu sei que deveria ser algo como 1 1n∑nj = 1xjyj1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_jmas como sabemos disso?
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.