Preguntas etiquetadas con covariance

Tengo problemas para generar un conjunto de series temporales de colores estacionarios, dada su matriz de covarianza (sus densidades espectrales de potencia (PSD) y sus densidades espectrales de potencia cruzada (CSD)). Sé que, dadas dos series temporales y , puedo estimar sus densidades espectrales de potencia (PSD) y densidades espectrales …

20 time-series  sampling  algorithms  simulation  covariance 

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 

Básicamente, me pregunto cómo se aplican las diferentes estructuras de covarianza y cómo se calculan los valores dentro de estas matrices. Funciones como lme () nos permiten elegir qué estructura nos gustaría, pero me encantaría saber cómo se estiman. Considere el modelo de efectos lineales mixtos Y=Xβ+Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon . Donde u∼dN(0,D)u∼dN(0,D)u …

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

Si los datos son 1d, la varianza muestra hasta qué punto los puntos de datos son diferentes entre sí. Si los datos son multidimensionales, obtendremos una matriz de covarianza. ¿Existe una medida que proporcione un número único de cómo los puntos de datos son diferentes entre sí en general para …

17 variance  covariance  covariance-matrix 

En primer lugar, no estoy preguntando esto: ¿Por qué la correlación cero no implica independencia? Esto se aborda (bastante bien) aquí: /math/444408/why-does-zero-correlation-not-imply-independence Lo que pregunto es lo contrario ... digamos que dos variables son completamente independientes entre sí. ¿No podrían tener una pequeña correlación por accidente? ¿No debería ser ... …

16 correlation  mathematical-statistics  covariance  independence 

Tengo una unidad GPS que genera una medición de ruido a través de la matriz de covarianza :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] (También hay involucrado pero ignoremos eso por un segundo).ttt Supongamos que …

15 covariance  measurement-error  uncertainty 

Necesito "aprender" la distribución de un gaussiano bivariado con pocas muestras, pero una buena hipótesis sobre la distribución anterior, por lo que me gustaría utilizar el enfoque bayesiano. Definí mi 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} \ \ \ \mathbf{\Sigma_0} = …

15 distributions  bayesian  estimation  covariance  posterior 

¿Cuáles son los beneficios de especificar una estructura de covarianza en un GLM (en lugar de tratar todas las entradas fuera de la diagonal en la matriz de covarianza como cero)? Además de reflejar lo que uno sabe de los datos, ¿lo hace? mejorar la bondad de ajuste? mejorar la …

15 generalized-linear-model  covariance 

Según tengo entendido, podemos obtener la correlación normalizando la covarianza usando la ecuación ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} donde es la desviación estándar deXi.σi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]}XyoXiX_i Mi preocupación es ¿qué pasa si la desviación estándar es igual a cero? ¿Hay alguna condición que garantice que no puede ser cero? Gracias.

15 correlation  standard-deviation  covariance 

Preguntas ¿Depende de si el árbol es poco profundo o profundo? ¿O podemos decir esto independientemente de la profundidad / niveles del árbol? ¿Por qué el sesgo es bajo y la varianza alta? Por favor explique intuitivamente y matemáticamente

15 machine-learning  variance  covariance  cart  bias 

Si e son dos variables aleatorias que solo pueden tomar dos estados posibles, ¿cómo puedo mostrar que implica independencia? Esto va en contra de lo que aprendí en el día en que no implica independencia ...XXXYYYCov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0Cov(X,Y)=0Cov(X,Y)=0Cov(X,Y) = 0 La sugerencia dice que comience con y como posibles estados …

14 covariance  independence 

Esto es un poco de verificación intestinal, por favor, ayúdenme a ver si estoy malinterpretando este concepto y de qué manera. Tengo una comprensión funcional de la correlación, pero me siento un poco aferrado a las pajitas para explicar con confianza los principios detrás de esa comprensión funcional. Según tengo …

14 correlation  categorical-data  covariance 

Necesito derivar expresiones analíticas para la función de autocovarianza γ(k)γ(k)\gamma\left(k\right) de un proceso ARMA (2,1) denotado 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 Entonces, sé 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 yo pueda escribir: 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] entonces, para derivar la versión analítica de la función de autocovarianza, necesito sustituir los valores …

13 time-series  covariance  autocorrelation  arma 

Tengo dos variables aleatorias e .X>0X>0X > 0Y>0Y>0Y > 0 Dado que puedo estimar ¿cómo puedo estimarCov(X,Y),Cov(X,Y),\text{Cov}(X, Y),Cov(log(X),log(Y))?Cov(log⁡(X),log⁡(Y))?\text{Cov}(\log(X), \log(Y))?

12 data-transformation  covariance  random-variable 

Siguiendo la pregunta de zzk sobre su problema con las simulaciones negativas, me pregunto cuáles son las familias parametrizadas de distribuciones en el cuadrante k-dimensional positivo, para el cual se puede establecer la matriz de covarianza .Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Como se discutió con zzk , comenzar desde una distribución en y aplicar …

12 distributions  multivariate-analysis  covariance