Perguntas com a marcação «normal-distribution»

Às vezes, vi livros didáticos se referirem ao segundo parâmetro na distribuição normal como desvio padrão e variação. Por exemplo, a variável aleatória X ~ N (0, 4). Não está claro se sigma ou sigma ao quadrado é igual a 4. Eu só quero descobrir a convenção geral usada quando …

16 distributions  normal-distribution 

Qual foi a primeira derivação da distribuição normal, você pode reproduzir essa derivação e também explicá-la dentro de seu contexto histórico ? Quero dizer, se a humanidade se esquecesse da distribuição normal, qual seria a maneira mais provável de redescobri-la e qual seria a derivação mais provável? Suponho que as …

16 probability  distributions  normal-distribution  references  history 

Aprendi que a distribuição normal padrão é única porque a média e a variação são fixadas em 0 e 1, respectivamente. Por esse fato, pergunto-me se duas variáveis ​​aleatórias padrão devem ser independentes.

16 normal-distribution  independence 

Essa afirmação foi levantada na resposta principal a essa pergunta . Eu acho que a pergunta 'por que' é suficientemente diferente para justificar uma nova discussão. A pesquisa "exaustiva medida de associação" no Google não produziu nenhum resultado, e não sei ao certo o que essa frase significa.

16 correlation  normal-distribution  pearson-r  multivariate-normal 

Seja denotado a mediana e denotado a média, de uma amostra aleatória de tamanho de uma distribuição que é . Como posso calcular ?Y YYˉ XX¯\bar{X} n = 2 k + 1 n=2k+1n=2k+1N ( μ , σ 2 ) N(μ,σ2)N(\mu,\sigma^2)E ( Y | ˉ X = ˉ x )E(Y|X¯=x¯)E(Y|\bar{X}=\bar{x}) Intuitivamente, …

16 self-study  normal-distribution  mathematical-statistics  expected-value  conditional-expectation 

Gostaria de desenhar uma amostra . A Wikipedia sugere usar uma composição de Cholesky ou Eigend , por exemplo , ou x∼N(0,Σ)x∼N(0,Σ)\mathbf{x} \sim N\left(\mathbf{0}, \mathbf{\Sigma} \right)Σ=D1DT1Σ=D1D1T \mathbf{\Sigma} = \mathbf{D}_1\mathbf{D}_1^T Σ=QΛQTΣ=QΛQT \mathbf{\Sigma} = \mathbf{Q}\mathbf{\Lambda}\mathbf{Q}^T E, portanto, o exemplo pode ser obtido via: ou onde x=D1vx=D1v \mathbf{x} = \mathbf{D}_1 \mathbf{v} x=QΛ−−√vx=QΛv \mathbf{x} …

16 normal-distribution  random-generation  svd  cholesky 

Suponha que eu tenha duas distribuições marginais univariadas, digamos e , das quais eu possa simular. Agora, construa sua distribuição conjunta usando uma cópula gaussiana , denominada . Todos os parâmetros são conhecidos.FFFGGGC(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) Existe um método não MCMC para simular a partir desta cópula?

16 normal-distribution  simulation  copula 

Se eu tenho duas variáveis ​​aleatórias independentes e normalmente distribuídas com médias e e desvios padrão e e descubro que , então (assumindo que não cometi nenhum erro) a distribuição condicional de e dado também são normalmente distribuídos com meios e desvio padrão Y μ X μ Y σ X …

16 normal-distribution  conditional-probability 

Tenho observações emparelhadas ( X i , Y iNNNXiXiX_iYiYiY_i ) tirada a partir de uma distribuição desconhecido comum, que tem finitos primeiro e segundo momentos, e é simétrica em torno da média. Deixe o desvio padrão de X (incondicional em Y ) e σ Y o mesmo para Y. Gostaria …

16 distributions  hypothesis-testing  standard-deviation  normal-distribution 

Estou tentando aprender estatística porque acho que ela é tão prevalente que me proíbe de aprender algumas coisas, se não entendi direito. Estou tendo problemas para entender essa noção de distribuição amostral dos meios amostrais. Não consigo entender como alguns livros e sites explicaram isso. Acho que tenho um entendimento, …

16 distributions  normal-distribution  sampling  normality-assumption 

Seja {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n uma família de variáveis ​​aleatórias iid assumindo valores em [0,1][0,1][0,1] , tendo uma média e variância . Um intervalo de confiança simples para a média, usando sempre que for conhecido, é dado por μμ\muσ2σ2\sigma^2σσ\sigmaP(|X¯−μ|>ε)≤σ2nε2≤1nε2(1).P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1). P( | \bar X - \mu| > \varepsilon) \le \frac{\sigma^2}{n\varepsilon^2} \le\frac{1}{n \varepsilon^2} \qquad (1). …

15 normal-distribution  confidence-interval  references  asymptotics  approximation 

Para simular uma distribuição normal a partir de um conjunto de variáveis ​​uniformes, existem várias técnicas: O algoritmo de Box-Muller , no qual se amostram duas variáveis ​​uniformes independentes em e as transforma em duas distribuições normais padrão independentes via: Z 0 = √(0,1)(0,1)(0,1)Z0=−2lnU1−−−−−−√cos(2πU0)Z1=−2lnU1−−−−−−√sin(2πU0)Z0=−2lnU1cos(2πU0)Z1=−2lnU1sin(2πU0) Z_0 = \sqrt{-2\text{ln}U_1}\text{cos}(2\pi U_0)\\ Z_1 = …

15 normal-distribution  simulation  uniform 

Recentemente, comprei um recurso de entrevista em ciência de dados no qual uma das perguntas de probabilidade era a seguinte: Dados os desenhos de uma distribuição normal com parâmetros conhecidos, como você pode simular os desenhos de uma distribuição uniforme? Meu processo de pensamento original era que, para uma variável …

15 self-study  normal-distribution  simulation  uniform 

Eu tenho um problema com a normalidade de alguns dados que tenho: fiz um teste de Kolmogorov que diz que não é normal com p = .0000, não entendo: a assimetria da minha distribuição = -. 497 e a curtose = -0,024 Aqui está o enredo da minha distribuição, que …

15 normal-distribution  spss  kolmogorov-smirnov  histogram  qq-plot 

Os testes de permutação (também chamados de teste de randomização, teste de re-randomização ou teste exato) são muito úteis e úteis quando a suposição de distribuição normal exigida por, por exemplo, t-testnão é atendida e quando a transformação dos valores pela classificação do teste não-paramétrico como Mann-Whitney-U-testlevaria a mais informações …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information