Preguntas etiquetadas con normal-distribution

Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Supongamos que tengo una variable leptokurtic que me gustaría transformar a la normalidad. ¿Qué transformaciones pueden lograr esta tarea? Soy muy consciente de que la transformación de datos puede no ser siempre deseable, pero como búsqueda académica, supongo que quiero "forzar" los datos a la normalidad. Además, como se puede …

12 normal-distribution  data-transformation  kurtosis  qq-plot 

¿Por qué es necesario colocar el supuesto de distribución en los errores, es decir? yyo= Xβ+ ϵyoyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , con .ϵyo∼ N( 0 , σ2)ϵi∼N(0,σ2)\epsilon_{i} \sim \mathcal{N}(0,\sigma^{2}) Porque no escribir yyo= Xβ+ ϵyoyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , con ,yyo∼ N( Xβ^, σ2)yi∼N(Xβ^,σ2)y_i \sim \mathcal{N}(X\hat{\beta},\sigma^{2}) donde en …

12 regression  normal-distribution  residuals  assumptions  notation 

Y=μ+σGY=μ+σGY=\mu+\sigma Gμμ\muWWWGGGRnRn\mathbb{R}^nFFFH0:{μ∈U}H0:{μ∈U}H_0\colon\{\mu \in U\}U⊂WU⊂WU \subset Wf=ϕ(2logsupμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=ϕ(2log⁡supμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=\phi\left( 2\log \frac{\sup_{\mu \in W, \sigma>0} L(\mu, \sigma | y)}{\sup_{\mu \in U, \sigma>0} L(\mu, \sigma | y)} \right). ¿Cómo podemos saber que esta estadística proporciona la prueba más poderosa para (tal vez después de descartar casos particulares inusuales)? Esto no se deriva del teorema de …

12 hypothesis-testing  normal-distribution  linear-model  power  likelihood-ratio 

Estoy estudiando sobre la distribución t de Student y comencé a preguntarme cómo derivaría la función de densidad de distribuciones t (de wikipedia, http://en.wikipedia.org/wiki/Student%27s_t-distribution ): f(t)=Γ(v+12)vπ−−√Γ(v2)(1+t2v)−v+12f(t)=Γ(v+12)vπΓ(v2)(1+t2v)−v+12f(t) = \frac{\Gamma(\frac{v+1}{2})}{\sqrt{v\pi}\:\Gamma(\frac{v}{2})}\left(1+\frac{t^2}{v} \right)^{-\frac{v+1}{2}} donde es los grados de libertad y \ Gamma es la función gamma. ¿Cuál es la intuición de esta función? Quiero …

12 probability  normal-distribution  t-distribution 

Los datos gaussianos distribuidos en una sola dimensión requieren dos parámetros para caracterizarlo (media, varianza), y se rumorea que alrededor de 30 muestras seleccionadas al azar suelen ser suficientes para estimar estos parámetros con una confianza razonablemente alta. Pero, ¿qué sucede a medida que aumenta el número de dimensiones? En …

12 normal-distribution  multivariate-analysis 

Ayúdame a encontrar la distribución limitante (como ) de lo siguiente: donde son iid .U n = X 1 + X 2 + … + X nn→∞n→∞n \rightarrow \inftyXiN(0,1)Unorte= X1+ X2+ … + XnorteX31+ X32+ ... X3norte,Un=X1+X2+…+XnX13+X23+…Xn3, U_n = \frac{X_1 + X_2 + \ldots + X_n}{X_1^3 + X_2^3 + \ldots …

12 distributions  normal-distribution  asymptotics 

Supongamos que tengo una mezcla finita de muchos gaussianos con pesos, medias y desviaciones estándar conocidos. Los medios no son iguales. La desviación media y estándar de la mezcla se puede calcular, por supuesto, ya que los momentos son promedios ponderados de los momentos de los componentes. La mezcla no …

12 normal-distribution  mixture  distance 

Dibujamos muestras, cada una de tamaño , independientemente de una distribución Normal .n ( μ , σ 2 )NNNnnn(μ,σ2)(μ,σ2)(\mu,\sigma^2) De las muestras, elegimos las 2 muestras que tienen la correlación de Pearson más alta (absoluta) entre sí.NNN ¿Cuál es el valor esperado de esta correlación? Gracias [PD Esto no es …

12 correlation  normal-distribution  expected-value  maximum 

Parece que hay varias opciones disponibles para trabajar con Gaussian Mixture Models (GMM) en Python. A primera vista hay al menos: PyMix - http://www.pymix.org/pymix/index.php Herramientas para modelar mezclas PyEM: http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ que forma parte de la caja de herramientas de Scipy y parece centrarse en la actualización de GMM : ahora …

12 normal-distribution  python  mixture 

Si un artículo sigue la distribución normal, el promedio también sigue la distribución normal. ¿Qué pasa con el mínimo y el máximo?

12 normal-distribution  order-statistics 

Si observa una distribución beta con α=β=4α=β=4\alpha=\beta=4 se ve muy similar a una distribución gaussiana . ¿Pero es? ¿Cómo puede probar si una distribución Beta (4,4) es gaussiana o no?

12 normal-distribution  beta-distribution 

Solo me pregunto si es posible encontrar el valor esperado de x si se distribuye normalmente, dado que está por debajo de un cierto valor (por ejemplo, por debajo del valor medio).

12 normal-distribution  conditional-probability  expected-value 

Estoy leyendo sobre distribuciones anteriores y calculé Jeffreys antes para una muestra de variables aleatorias normalmente distribuidas con media y varianza desconocidas. Según mis cálculos, lo siguiente vale para Jeffreys antes: Aquí,yoes la matriz de información de Fisher.p ( μ , σ2) = de t ( I)-----√= de t ( …

12 bayesian  normal-distribution  prior  jeffreys-prior 

Estoy buscando calcular analíticamente una distribución de probabilidad de puntos de muestreo a partir de una función oscilante cuando hay algún error de medición. Ya he calculado la distribución de probabilidad para la parte "sin ruido" (lo pondré al final), pero no puedo entender cómo incluir "ruido". Estimación numérica Para …

12 distributions  normal-distribution  noise