Preguntas etiquetadas con pdf

La función de densidad de probabilidad (PDF) de una variable aleatoria continua da la probabilidad relativa de cada uno de sus posibles valores. Utilice esta etiqueta también para funciones de masa de probabilidad discreta (PMF).

1
¿Cuál es el nombre del método de estimación de densidad donde se usan todos los pares posibles para crear una distribución de mezcla Normal?
Acabo de pensar en una forma ordenada (no necesariamente buena) de crear estimaciones de densidad unidimensionales y mi pregunta es: ¿Este método de estimación de densidad tiene un nombre? Si no, ¿es un caso especial de algún otro método en la literatura? Aquí está el método: Tenemos un vector que …
5
¿Cómo realizar la imputación de valores en una gran cantidad de puntos de datos?
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 
1
Diferencias entre PROC Mixed y lme / lmer en R - grados de libertad
Nota: esta pregunta es una nueva publicación, ya que mi pregunta anterior tuvo que ser eliminada por razones legales. Al comparar PROC MIXED de SAS con la función lmedel nlmepaquete en R, me topé con algunas diferencias bastante confusas. Más específicamente, los grados de libertad en las diferentes pruebas difieren …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
1
Transformación lineal de una variable aleatoria por una matriz rectangular alta
Digamos que tenemos un vector aleatorio , extraído de una distribución con función de densidad de probabilidad . Si lo transformamos linealmente por un rango completo matriz para obtener , entonces la densidad de viene dada porX⃗ ∈RnX→∈Rn\vec{X} \in \mathbb{R}^nfX⃗ (x⃗ )fX→(x→)f_\vec{X}(\vec{x})n×nn×nn \times nAAAY⃗ =AX⃗ Y→=AX→\vec{Y} = A\vec{X}Y⃗ Y→\vec{Y}fY⃗ (y⃗ …
1
Densidad de Y = log (X) para X distribuido en gamma
Esta pregunta está estrechamente relacionada con esta publicación. Supongamos que tengo una variable aleatoria , y defino Y = \ log (X) . Me gustaría encontrar la función de densidad de probabilidad de Y .X∼Gamma(k,θ)X∼Gamma(k,θ)X \sim \text{Gamma}(k, \theta)YY=log(X)Y=log⁡(X)Y = \log(X)YYY Originalmente pensé que solo definiría la función de distribución acumulativa …
1
Comprensión intuitiva de covarianza, covarianza cruzada, correlación automática / cruzada y densidad del espectro de potencia
Actualmente estoy estudiando para mis exámenes finales en estadísticas básicas para mi licenciatura en ECE. Si bien creo que tengo las matemáticas principalmente bajas, no tengo una comprensión intuitiva de lo que realmente significan los números (Preámbulo: usaré un lenguaje bastante descuidado). Sé que la E [X] es el "promedio …
3
¿Cómo se define cuando
Digamos que YYY es una variable aleatoria continua y XXX es una variable discreta. Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} Como sabemos, Pr(Y=y)=0Pr(Y=y)=0\Pr(Y=y) = 0 porque YYY es una variable aleatoria continua. Y en base a esto, estoy tentado a concluir que la probabilidad Pr(X=x|Y=y)Pr(X=x|Y=y)\Pr(X=x|Y=y) no está definida. Sin embargo, Wikipedia afirma …
1
¿Por qué es
En un conjunto de problemas probé este "lema", cuyo resultado no es intuitivo para mí. es una distribución normal estándar en un modelo censurado.ZZZ Formalmente, y . Luego, Entonces hay algún tipo de conexión entre la fórmula de expectativa sobre un dominio truncado y la densidad en el punto de …
2
Estimación de la densidad del núcleo en distribuciones asimétricas.
Sean observaciones extraídas de una distribución de probabilidad desconocida (pero ciertamente asimétrica).{ x1, ... , xnorte}{X1,...,Xnorte}\{x_1,\ldots,x_N\} Me gustaría encontrar la distribución de probabilidad utilizando el enfoque KDE: Sin embargo, intenté usar un núcleo gaussiano, pero funcionó mal, ya que es simétrico. Por lo tanto, he visto que se han publicado …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.