«covariance-matrix» etiketlenmiş sorular

bir k×k tüm çiftleri arasındaki kovaryans matrisi krastgele değişkenler. Ayrıca varyans-kovaryans matrisi veya basitçe kovaryans matrisi olarak adlandırılır.


1
Örnek kovaryans matrisi ters çevrilemezse ne yapmalı?
Bazı kümeleme teknikleri üzerinde çalışıyorum, burada belirli bir d-boyut vektörleri kümesi için çok değişkenli normal dağılım varsayıyorum ve örnek d-boyutlu ortalama vektörü ve örnek kovaryans matrisini hesaplıyorum. Sonra yeni, görünmeyen, d boyutlu bir vektörün bu kümeye ait olup olmadığına karar vermeye çalışırken mesafesini şu ölçü ile kontrol ediyorum: ( Xben- …


3
Kovaryans matrisi pozitif tanımlı olmadığında faktör analizi nasıl yapılır?
33 değişken (sütun) tarafından açıklanan 717 gözlem (satır) oluşan bir veri kümesi var. Veriler, tüm değişkenlerin z-skorlaması ile standartlaştırılmıştır. Hiçbir iki değişken doğrusal olarak bağımlı değildir ( ). Ayrıca çok düşük varyanslı ( az ) tüm değişkenleri kaldırdım . Aşağıdaki şekilde karşılık gelen korelasyon matrisi gösterilmektedir (mutlak değerlerde).r = 1r=1r=10.10.10.1 …

3
Doğrusal olmayan bağımlılığın ölçülmesi
İki rastgele değişken arasındaki kovaryans, birbirleriyle doğrusal olarak ne kadar yakından ilişkili olduklarının bir ölçüsünü tanımlar. Peki ya eklem dağılımı daireselse? Tabii ki dağıtımda bir yapı var. Bu yapı nasıl çıkarılır?

3
Her korelasyon matrisi pozitif olarak tanımlanmış mı?
Burada Pearson korelasyonlarının matrisleri hakkında konuşuyorum. Sıklıkla tüm korelasyon matrislerinin pozitif semidefinit olması gerektiğini söylediğini duydum. Anladığım kadarıyla pozitif kesin matrislerin özdeğerleri olmalıdır , pozitif semidefinit matrislerin özdeğerleri olmalıdır . Bu, sorumun "Korelasyon matrislerinin öz değeri olması mümkün mü ?" Şeklinde yeniden yazılabileceğini düşündürüyor.≥ 0 = 0>0>0> 0≥0≥0\ge 0=0=0= 0 …

1
Neden tüm PLS bileşenleri birlikte orijinal verilerin varyansının sadece bir kısmını açıklıyor?
10 değişkenli bir veri setim var. Bu 10 değişkenle tek bir yanıt değişkenini tahmin etmek için kısmi en küçük kareler (PLS) çalıştırdım, 10 PLS bileşenini çıkardım ve daha sonra her bileşenin varyansını hesapladım. Orijinal verilerde, tüm değişkenlerin 702 olan varyanslarının toplamını aldım. Sonra PLS tarafından açıklanan varyansın yüzdesini elde etmek …

1
Özvektörlerin görsel açıklaması hakkında karıştı: görsel olarak farklı veri kümeleri aynı özvektörlere nasıl sahip olabilir?
Birçok istatistik ders kitabı, bir kovaryans matrisinin özvektörlerinin neler olduğunu sezgisel bir şekilde göstermektedir: U ve z vektörleri özvektörleri oluşturur (çukur, özler). Bu mantıklı. Ama beni şaşırtan tek şey, özvektörleri ham verilerden değil korelasyon matrisinden çıkarmamızdır. Ayrıca, oldukça farklı olan ham veri kümelerinin özdeş korelasyon matrisleri olabilir. Örneğin, aşağıdakilerin her …

2
En küçük kovaryans matrisini bulmak için uygun önlem
Okuduğum ders kitabında iki kovaryans matrisi karşılaştırmak için pozitif kesinlik (yarı pozitif kesinlik) kullanmaktadırlar. Fikir, eğer pd ise , küçüktür . Ama bu ilişkinin sezgisini almak için uğraşıyorum?A−BA−BA-BBBBAAA Burada benzer bir iplik var: /math/239166/what-is-the-intuition-for-using-definiteness-to-compare-matrices Matrisleri karşılaştırmak için kesinlik kullanma sezgisi nedir? Cevaplar güzel olsa da sezgiye gerçekten değinmiyorlar. İşte kafa …

1
Anova () ve drop1 () neden GLMM'ler için farklı cevaplar verdi?
Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 



2
Bir çokgenin kovaryans matrisi nasıl bulunur?
Bir koordinat kümesi tarafından tanımlanan bir çokgeniniz olduğunu ve kütle merkezinin olduğunu . Çokgene, çokgen bir sınır ile düzgün bir dağılım olarak davranabilirsiniz. (x1,y1)...(xn,yn)(x1,y1)...(xn,yn)(x_1,y_1)...(x_n,y_n)(0,0)(0,0)(0,0) Bir çokgenin kovaryans matrisini bulan bir yöntemden sonrayım . Bir çokgenin kovaryans matrisinin alanın ikinci anıyla yakından ilişkili olduğundan şüpheleniyorum , ancak eşdeğer olup olmadıklarından emin …

3
1 veya -1'e eşit rastgele etkiler korelasyonu ile ne yapmalı?
Karmaşık maksimal karışık modellerle (verilen veri ve model için olası tüm rastgele etkileri tahmin etmek) uğraşırken nadir görülen bir durum mükemmel değildir (+1 veya -1) veya bazı rastgele etkiler arasında neredeyse mükemmel bir korelasyon. Tartışma amacıyla aşağıdaki model ve model özetini inceleyelim Model: Y ~ X*Cond + (X*Cond|subj) # Y …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.