Questions tagged «bivariate»

有人在求职面试中问我这个问题，我回答说，他们的联合分布始终是高斯分布。我以为我总是可以用它们的均值，方差和协方差写一个二元高斯函数。我想知道是否存在两个高斯的联合概率不是高斯的情况？

91 normal-distribution  multivariate-analysis  copula  bivariate 

在经过一些简短的数学之后，我认为我对内核密度估计有一点直觉。但是我也知道，就其估计量的统计特性而言，估计三个以上变量的多元密度可能不是一个好主意。 那么，在哪种情况下我应该使用非参数方法来估计双变量密度？是否有足够的价值开始担心要针对两个以上的变量进行估算？ 如果您可以指向一些有关多元密度估计应用的有用链接，那就太好了。

14 nonparametric  pdf  kernel-smoothing  bivariate  density-estimation 

在我对相关问题的回答之后的评论中，用户ssdecontrol和Glen_b询问和联合正态性对于断言的正态性是否必要？当然，关节正常就足够了。在那里没有解决这个补充问题，也许值得单独考虑。Y X + YXXXYYYX+YX+YX+Y 由于联合常态意味着边际常态，我问 难道存在正常的随机变量和，使得 是一个正常的随机变量，但和是不是 共同正常的随机变量？Y X + Y X YXXXYYYX+YX+YX+YXXXYYY 如果不要求和具有正态分布，则很容易找到这样的正态随机变量。可以在我以前的答案中找到一个示例（上面提供了链接）。我认为，上面突出显示的问题的答案是“是”，并已发布（我认为是）示例作为对此问题的答案。ÿXXXYYY

13 probability  normal-distribution  distributions  bivariate  multivariate-normal 

我有看起来像的数据： 我尝试在其上应用正态分布（内核密度估计效果更好，但我不需要这么高的精度），并且效果很好。密度图为椭圆形。 我需要获取该椭圆函数来确定一个点是否位于椭圆区域内。怎么做？ 欢迎使用R或Mathematica代码。

12 r  regression  pdf  bivariate 

假设两个类和具有属性并具有分布和。如果我们对于以下成本矩阵具有相等的先验：C1C1C_1C2C2C_2xxxN(0,0.5)N(0,0.5) \cal{N} (0, 0.5)N(1,0.5)N(1,0.5) \cal{N} (1, 0.5)P(C1)=P(C2)=0.5P(C1)=P(C2)=0.5P(C_1)=P(C_2)=0.5 L=[010.50]L=[00.510]L= \begin{bmatrix} 0 & 0.5 \\ 1 & 0 \end{bmatrix} 为什么是最低风险（成本）分类器的阈值？x0&lt;0.5x0&lt;0.5x_0 < 0.5 这是我误会的注释示例（即，如何达到此阈值？） 编辑1：我认为对于似然比的阈值，我们可以使用P（C1）/ P（C2）。 编辑2：我从Duda Book on Pattern上添加了一些有关阈值的文本。

11 machine-learning  classification  bayesian  normal-distribution  bivariate 

我找到了一篇介绍箱型图的多维（此处为双变量）版本的文章-风箱图。那是什么风筝呢？我可以看到一系列基于顶点的嵌套多边形，其中一个多边形被声明为风标图。嵌套多边形构建的想法是什么？风标图是哪个多边形（中心或保持平均点数）？Bagplot的边缘是否具有一些有用的属性（例如专门划分点集）？

11 data-visualization  bivariate  boxplot 

我知道一些相关的随机变量对的很好的例子，它们在边际上是正常的，但在联合上不是正常的。见这个答案由迪利普Sarwate，和这一个由红衣主教。 我也知道两个总和不正常的普通随机变量的例子。见这个答案的宏。但是在这个例子中，两个随机变量是不相关的。 是否存在两个具有非零协方差且总和不正常的普通随机变量的示例？还是有可能证明任何两个相关正态随机变量的和（即使它们不是二元正态）也必须是正态的？ [上下文：我有一个作业问题，要求的分布，其中和是具有相关标准法线。我认为该问题旨在说明它们是双变量正态的。但是我想知道，如果没有非零的额外假设，是否可以X ÿ ρ ρaX+bYaX+bYaX+bYXXXYYYρρ\rhoρρ\rho 谢谢！

10 correlation  normal-distribution  multivariate-analysis  bivariate 

假设我们有一个来自二元正态分布的随机样本，其均值为零，方差为1，因此唯一未知的参数是协方差。协方差的MLE是多少？我知道应该是但是我们怎么知道呢？1n∑nj=1xjyj1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_j

10 normal-distribution  mathematical-statistics  maximum-likelihood  bivariate 

我有以下形式的GLMM： lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) 当我使用时drop1(model, test="Chi")，我得到的结果与Anova(model, type="III")从汽车包装或汽车上获得的结果不同summary(model)。后两个给出相同的答案。 通过使用大量虚构数据，我发现这两种方法通常没有区别。对于平衡线性模型，不平衡线性模型（不同组中的n不相等）和平衡广义线性模型，它们给出相同的答案，但对于平衡广义线性混合模型，它们给出相同的答案。因此看来，只有在包括随机因素的情况下，这种矛盾才会显现出来。 为什么这两种方法之间存在差异？ 使用GLMM时应使用Anova()还是drop1()应使用？ 至少就我的数据而言，两者之间的差异很小。哪一个使用都重要吗？

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

问题说明了一切。我读过两个书，一个人不能将KS推广到等于或大于2的维数，而且著名的​​实现（如《数字食谱》中的实现）都是错误的。你能解释为什么吗？

10 kolmogorov-smirnov  bivariate  ecdf