Preguntas etiquetadas con correlation

Me preguntaba, ¿es posible tener un coeficiente de correlación muy fuerte (digamos .9 o más), con un valor p alto (digamos .25 o más)? Aquí hay un ejemplo de un coeficiente de correlación bajo, con un valor p alto: set.seed(10) y <- rnorm(100) x <- rnorm(100)+.1*y cor.test(x,y) cor = 0.03908927, …

21 r  hypothesis-testing  correlation 

Quiero comprender completamente la noción de describe la cantidad de variación entre las variables. Cada explicación web es un poco mecánica y obtusa. Quiero "entender" el concepto, no solo usar mecánicamente los números.r2r2r^2 Por ejemplo: horas estudiadas vs. puntaje de la prueba rrr = .8 r2r2r^2 = .64 ¿Entonces, qué …

21 regression  correlation  variance 

Me preguntaba si sería posible generar variables binomiales aleatorias correlacionadas siguiendo un enfoque de transformación lineal. A continuación, probé algo simple en R y produce cierta correlación. Pero me preguntaba si hay una forma de principios para hacer esto. X1 = rbinom(1e4, 6, .5) ; X2 = rbinom(1e4, 6, .5) …

21 r  correlation  binomial  random-generation  bernoulli-distribution 

El coeficiente de correlación generalmente se escribe con una mayúscula, pero a veces no. Me pregunto si realmente hay una diferencia entre y . ¿Puede significar algo más que un coeficiente de correlación?r 2 R 2 rRRRr2r2r^2R2R2R^2rrr

21 correlation  terminology  r-squared 

Después de realizar el análisis de componentes principales (PCA), quiero proyectar un nuevo vector en el espacio PCA (es decir, encontrar sus coordenadas en el sistema de coordenadas PCA). He calculado PCA en lenguaje R usando prcomp. Ahora debería poder multiplicar mi vector por la matriz de rotación PCA. ¿Deben …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Tengo dos variables que no muestran mucha correlación cuando se grafican entre sí tal como están, pero una relación lineal muy clara cuando trazo los registros de cada variable contra la otra. Así que terminaría con un modelo del tipo: log(Y)=alog(X)+blog⁡(Y)=alog⁡(X)+b\log(Y) = a \log(X) + b , que es excelente …

20 regression  correlation  log 

Suponga que son variables aleatorias continuas con segundos momentos finitos. La versión de población del coeficiente de correlación de rango de Spearman se puede definir como el coeficiente de momento del producto de Pearson ρ de las integrales de probabilidad transforma y F_Y (Y) , donde F_X, F_Y son los …

20 correlation  pearson-r  spearman-rho 

Los datos para ciertos tipos de variables tienden a ser no normales cuando se miden en poblaciones particulares (por ejemplo, niveles de depresión en una población de personas con trastorno depresivo mayor). Dado que Pearson asume la normalidad, ¿cuán robusto es el estadístico de prueba en condiciones de no normalidad? …

20 correlation 

Digamos que pruebo cómo la variable Ydepende de la variable Xen diferentes condiciones experimentales y obtengo el siguiente gráfico: Las líneas discontinuas en el gráfico anterior representan una regresión lineal para cada serie de datos (configuración experimental) y los números en la leyenda denotan la correlación de Pearson de cada …

20 regression  correlation  mean  average 

La precisión se define como: p = true positives / (true positives + false positives) ¿Es cierto que, como true positivesy false positivesenfoque 0, la precisión se aproxima a 1? La misma pregunta para recordar: r = true positives / (true positives + false negatives) Actualmente estoy implementando una prueba …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

Más recientemente, leí dos artículos. El primero trata sobre el historial de la correlación y el segundo trata sobre el nuevo método llamado Coeficiente de información máximo (MIC). Necesito su ayuda para comprender el método MIC para estimar correlaciones no lineales entre variables. Además, las instrucciones para su uso en …

20 correlation  nonparametric  bioinformatics  information-theory  mutual-information 

De la página de Wikipedia titulada correlación no implica causalidad , Para dos eventos correlacionados, A y B, las diferentes relaciones posibles incluyen: A causa B (causalidad directa); B causa A (causalidad inversa); A y B son consecuencias de una causa común, pero no se causan mutuamente; A y B …

19 correlation  causality 

Utilizo la descomposición de Cholesky para simular variables aleatorias correlacionadas dada una matriz de correlación. La cuestión es que el resultado nunca reproduce la estructura de correlación tal como se da. Aquí hay un pequeño ejemplo en Python para ilustrar la situación. import numpy as np n_obs = 10000 means …

19 correlation  random-generation  cholesky 

Si tenemos 2 variables aleatorias normales no correlacionadas entonces podemos crear 2 variables aleatorias correlacionadas con la fórmulaX1, X2X1,X2X_1, X_2 Y= ρ X1+ 1 - ρ2-----√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 y luego tendrá una correlación con .ρ X 1YYYρρ\rhoX1X1X_1 ¿Alguien puede explicar de dónde viene esta fórmula?

19 correlation  normal-distribution  covariance 

Estoy tratando de generar una secuencia aleatoria correlacionada con media = 000 , varianza = , coeficiente de correlación = . En el siguiente código, uso & como desviaciones estándar y & como medio.0.81110.80.80.8s1s2m1m2 p = 0.8 u = randn(1, n) v = randn(1, n) x = s1 * u …

19 correlation  matlab  random-generation  correlation-matrix