Preguntas etiquetadas con normal-distribution

¿Cuál fue la primera derivación de la distribución normal? ¿Puede reproducir esa derivación y también explicarla dentro de su contexto histórico? ? Quiero decir, si la humanidad se olvidara de la distribución normal, ¿cuál es la forma más probable de redescubrirla y cuál sería la derivación más probable? Supongo que …

16 probability  distributions  normal-distribution  references  history 

Aprendí que la distribución normal estándar es única porque la media y la varianza se fijan en 0 y 1 respectivamente. Por este hecho, me pregunto si dos variables aleatorias estándar deben ser independientes.

16 normal-distribution  independence 

Esta afirmación se planteó en la respuesta principal a esta pregunta . Creo que la pregunta del "por qué" es lo suficientemente diferente como para justificar un nuevo hilo. Buscar en Google "medida exhaustiva de asociación" no produjo ningún éxito, y no estoy seguro de lo que significa esa frase.

16 correlation  normal-distribution  pearson-r  multivariate-normal 

Deje denotar la mediana y deje que denote la media de una muestra aleatoria de tamaño de una distribución que es N (\ mu, \ sigma ^ 2) . ¿Cómo puedo calcular E (Y | \ bar {X} = \ bar {x}) ?YYYX¯X¯\bar{X}n=2k+1n=2k+1n=2k+1N(μ,σ2)N(μ,σ2)N(\mu,\sigma^2)E(Y|X¯=x¯)E(Y|X¯=x¯)E(Y|\bar{X}=\bar{x}) Intuitivamente, debido al supuesto de normalidad, tiene …

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

Me gustaría dibujar una muestra x∼N(0,Σ)x∼N(0,Σ)\mathbf{x} \sim N\left(\mathbf{0}, \mathbf{\Sigma} \right) . Wikipedia sugiere usar una descomposición de Cholesky o Eigen , es decir, Σ=D1DT1Σ=D1D1T \mathbf{\Sigma} = \mathbf{D}_1\mathbf{D}_1^T o Σ=QΛQTΣ=QΛQT \mathbf{\Sigma} = \mathbf{Q}\mathbf{\Lambda}\mathbf{Q}^T Y por lo tanto, la muestra se puede extraer mediante: x=D1vx=D1v \mathbf{x} = \mathbf{D}_1 \mathbf{v} o x=QΛ−−√vx=QΛv \mathbf{x} …

16 normal-distribution  random-generation  svd  cholesky 

Supongamos que tengo dos distribuciones marginales univariadas, digamos FFF y GGG , que puedo simular. Ahora, construya su distribución conjunta usando una cópula gaussiana , denotada C(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) . Todos los parámetros son conocidos. ¿Existe algún método que no sea MCMC para simular a partir de esta cópula?

16 normal-distribution  simulation  copula 

Si tengo dos variables aleatorias independientes normalmente distribuidas e con medias y y desviaciones estándar y y descubro que , entonces (suponiendo que no haya cometido ningún error) la distribución condicional de e dado también se distribuyen normalmente con medias y desviación estándar Y μ X μ Y σ X …

16 normal-distribution  conditional-probability 

Tengo observaciones emparejadas ( , ) extraídas de una distribución desconocida común, que tiene un primer y segundo momentos finitos, y es simétrica alrededor de la media.NNNXiXiX_iYiYiY_i Sea la desviación estándar de (incondicional en ), y lo mismo para Y. Me gustaría probar la hipótesis σXσX\sigma_XXXXYYYσYσY\sigma_Y H0H0H_0: σX=σYσX=σY\sigma_X = \sigma_Y …

16 distributions  hypothesis-testing  standard-deviation  normal-distribution 

Estoy tratando de aprender estadísticas porque encuentro que es tan frecuente que me prohíbe aprender algunas cosas si no las entiendo correctamente. Tengo problemas para entender esta noción de una distribución de muestreo de las medias muestrales. No puedo entender la forma en que algunos libros y sitios lo han …

16 distributions  normal-distribution  sampling  normality-assumption 

A veces he visto libros de texto que se refieren al segundo parámetro en la distribución normal como la desviación estándar y la varianza. Por ejemplo, la variable aleatoria X ~ N (0, 4). No está claro si sigma o sigma al cuadrado es igual a 4. Solo quiero averiguar …

15 distributions  normal-distribution 

Sea {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n una familia de variables aleatorias iid que toman valores en [0,1][0,1][0,1] , que tienen una media μμ\mu y una varianza σ2σ2\sigma^2 . P ( | ˉ X - μ | > ε ) ≤ σ 2 proporciona un intervalo de confianza simple para la media, usando σσ\sigma siempre …

15 normal-distribution  confidence-interval  references  asymptotics  approximation 

Para simular una distribución normal a partir de un conjunto de variables uniformes, existen varias técnicas: El algoritmo Box-Muller , en el que se toman muestras de dos variables uniformes independientes en (0,1)(0,1)(0,1) y se transforman en dos distribuciones normales estándar independientes a través de: 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)\\ …

15 normal-distribution  simulation  uniform 

Recientemente compré un recurso de entrevista de ciencia de datos en el que una de las preguntas de probabilidad era la siguiente: Dados sorteos de una distribución normal con parámetros conocidos, ¿cómo puede simular sorteos de una distribución uniforme? Mi proceso de pensamiento original fue que, para una variable aleatoria …

15 self-study  normal-distribution  simulation  uniform 

Tengo un problema con la normalidad de algunos datos que tengo: hice una prueba de Kolmogorov que dice que no es normal con p = .0000, no entiendo: el sesgo de mi distribución = -. 497, y la curtosis = -0,024 Aquí está la trama de mi distribución que se …

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

Las pruebas de permutación (también llamadas prueba de aleatorización, prueba de aleatorización o prueba exacta) son muy útiles y resultan útiles cuando t-testno se cumple el supuesto de distribución normal requerido por ejemplo y cuando se transforman los valores mediante la clasificación de prueba no paramétrica como Mann-Whitney-U-testconduciría a la …

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