Questions tagged «distributions»

在研究Kullback-Leibler距离时，我们很快学到了两件事，即它既不考虑三角形不等式也不考虑度量的对称性和要求的属性。 我的问题是，是否有满足所有度量约束的概率密度函数度量。

13 distributions  distance  metric 

什么是最大熵分布对于正连续变量，鉴于其第一和第二的时刻？ 例如，高斯分布是给定变量的均值和标准差的最大熵分布，伽马分布是给定变量的均值和对数的平均值的正变量的最大熵分布。

13 distributions  standard-deviation  mean  maximum-entropy 

对于近似正态分布的数据，箱形图是快速可视化数据的中值和散布以及任何异常值的好方法。 但是，对于更重尾的分布，很多点显示为离群值，因为离群被定义为不在IQR的固定因子范围内，而对于重尾分布，这种情况当然会更频繁地发生。 那么人们使用什么可视化此类数据呢？还有更适应的东西吗？如果重要的话，我在R上使用ggplot。

13 r  distributions  data-visualization  data-transformation  ggplot2 

如果我只有V 一- [R（ X）Var(X)\mathrm{Var}(X)，如何计算V 一- [R （1X）Var(1X)\mathrm{Var}(\frac{1}{X})？ 我没有有关分布的任何信息XXX，因此无法使用变换或使用的概率分布的任何其他方法XXX。

13 distributions  variance  data-transformation 

当阅读有关如何近似估计样本均值的分布时，我遇到了非参数自举方法。显然，可以通过的分布来近似的分布，其中表示样本均值引导程序样本。X¯n−μX¯n−μ\bar{X}_n-\muX¯∗n−X¯nX¯n∗−X¯n\bar{X}_n^*-\bar{X}_nX¯∗nX¯n∗\bar{X}_n^* 然后我的问题是：我需要居中吗？做什么的？ 我不能只用近似吗？P(X¯n≤x)P(X¯n≤x)\mathbb{P}\left(\bar{X}_n \leq x\right)P(X¯∗n≤x)P(X¯n∗≤x)\mathbb{P}\left(\bar{X}_n^* \leq x\right)

13 distributions  bootstrap  resampling  centering 

因此，这个问题有些牵连，但我一直在努力使之尽可能简单。 目标：长话短说，负向性的派生不涉及高阶累积量，我正试图了解它是如何产生的。 背景：（我理解所有这些） 我正在自学这本书的“独立组件分析”书。（如果您有一本书-“非多项式函数的熵近似”，则该问题来自第5.6节）。 我们有，它是一个随机变量，我们希望从一些观察中估计出其负熵。的PDF 由。负熵只是一个标准化高斯随机变量的微分熵与的微分熵之间的差。此处的微分熵由给出，使得：x p x（ζ ）x 高xxxxxxpx(ζ)px(ζ)p_x(\zeta)xxxHHH H(x)=−∫∞−∞px(ζ)log(px(ζ))dζH(x)=−∫−∞∞px(ζ)log(px(ζ))dζ H(x) = -\int_{-\infty}^{\infty} p_x(\zeta) \: log(p_x(\zeta)) \: d\zeta 因此，负熵由 J(x)=H(v)−H(x)J(x)=H(v)−H(x)J(x) = H(v) - H(x) 其中是标准化的高斯rv，PDF由ϕ （ζ ）给出。vvvϕ(ζ)ϕ(ζ)\phi(\zeta) 现在，作为这种新方法的一部分，我的书得出了的PDF的估算值，其估算公式为：xxx px(ζ)=ϕ(ζ)[1+∑iciFi(ζ)]px(ζ)=ϕ(ζ)[1+∑iciFi(ζ)] p_x(\zeta) = \phi(\zeta) [1 + \sum_{i} c_i \; F^{i}(\zeta)] （其中。顺便说，我是不是一个电源，但索引代替）。ci=E{Fi(x)}ci=E{Fi(x)}c_i = \mathbb{E}\{F^i(x)\}iii 现在，我“接受”这个新的PDF公式，并在第二天询问。这不是我的主要问题。不过，他现在所做的是将的PDF版本重新插入负熵方程，最后得到：xxx J(x)≈12∑iE{Fi(x)}2J(x)≈12∑iE{Fi(x)}2 J(x) \approx \frac{1}{2}\sum_i\mathbb{E} \{F^i(x)\}^2 请记住，sigma（在此以及在本帖子的其余部分）只是在索引周围循环。例如，如果我们只有两个函数，则信号将在i = …

13 distributions  probability  pdf  entropy 

我将38项考试中学生的排名百分比作为我研究中的因变量。排名百分比由（学生的等级/考试中的学生人数）计算得出。这个因变量具有几乎均匀的分布，我想估计一些变量对因变量的影响。 我使用哪种回归方法？

13 regression  distributions 

我有一个从连续随机变量X生成的数据样本。从我使用R绘制的直方图中，我想也许X的分布服从一定的Gamma分布。但是我不知道这种伽马分布的确切参数。 我的问题是如何测试X的分布是否属于Gamma分布族？拟合检验有一些好处，例如Kolmogorov-Smirnov检验，Anderson-Darling检验等，但是使用这些检验的限制之一是应事先知道理论分布的参数。谁能告诉我如何解决这个问题？

13 distributions  hypothesis-testing  goodness-of-fit  gamma-distribution 

我具有某个信号的已记录振幅最大值的样本总数。人口约为1500万样本。我生成了人口的直方图，但无法用这种直方图猜测分布。 EDIT1：带有原始样本值的文件在这里：原始数据 任何人都可以使用以下直方图来帮助估计分布：

13 distributions  histogram 

使用LARS [1]与使用坐标下降来拟合L1正则化线性回归有什么优缺点？ 我主要对性能方面感兴趣（我的问题往往有N成千上万且p小于20。）但是，任何其他见解也将受到赞赏。 编辑：自从我发布问题以来，chl亲切地指出了Friedman等人的论文[2]，其中坐标下降比其他方法快得多。如果是这样，作为执业医生，我是否应该忘掉LARS来支持协调下降？ [1]埃弗隆·布拉德利；海蒂·特雷弗；约翰·斯通，伊恩和蒂布希拉尼·罗伯特（2004）。“最小角度回归”。统计年鉴32（2）：第407-499页。 [2] Jerome H. Friedman，Trevor Hastie，Rob Tibshirani，“通过坐标下降的广义线性模型的正则化路径”，《统计软件》，第1卷。33，第1期，2010年2月。

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

我有两组数据大致以零为中心，但我怀疑它们的尾巴不同。我知道一些将分布与正态分布进行比较的测试，但我想直接比较两个分布。 是否有一个简单的测试来比较2个分布的尾部的脂肪？ 谢谢你 fRed

13 hypothesis-testing  distributions  kurtosis  fat-tails 

哪些检验可用于检验两个独立样本的零假设，即它们来自具有相同偏斜的总体？有一个经典的1样本测试来检查偏斜是否等于一个固定数字（该测试涉及第6个采样矩！）；有2个样本测试的直接翻译吗？ 是否存在不涉及大量数据的技术？（我期待以'bootstrap it'的形式回答：已知Bootstrap技术适合于此问题吗？）

13 hypothesis-testing  distributions  bootstrap  moments  l-moments 

经验CDF函数通常由阶跃函数估算。是否有理由这样做而不是使用线性插值？阶跃函数是否具有使我们更喜欢它的任何有趣的理论特性？ 这是两个的示例： ecdf2 <- function (x) { x <- sort(x) n <- length(x) if (n < 1) stop("'x' must have 1 or more non-missing values") vals <- unique(x) rval <- approxfun(vals, cumsum(tabulate(match(x, vals)))/n, method = "linear", yleft = 0, yright = 1, f = 0, ties = "ordered") class(rval) <- …

13 r  distributions  ecdf 

我一直在使用进行模型调整caret，但随后使用该gbm软件包重新运行模型。据我了解，caret程序包使用gbm的输出应相同。然而，data(iris)使用RMSE和R ^ 2作为评估指标，使用进行的快速测试显示模型中的差异约为5％。我想使用来找到最佳模型性能，caret但要重新运行gbm以利用部分依赖图。下面的代码具有可重复性。 我的问题是： 1）为什么即使这两个软件包应该相同，我仍会看到这两个软件包之间的差异（我知道它们是随机的，但5％的差异还是很大的，尤其是当我没有使用iris建模时使用的很好的数据集时） 。 2）同时使用这两个软件包有什么优点或缺点？ 3）不相关：使用iris数据集时，最佳interaction.depth值为5，但高于我所阅读的最大值，使用最大值floor(sqrt(ncol(iris)))为2。这是严格的经验法则还是非常灵活？ library(caret) library(gbm) library(hydroGOF) library(Metrics) data(iris) # Using caret caretGrid <- expand.grid(interaction.depth=c(1, 3, 5), n.trees = (0:50)*50, shrinkage=c(0.01, 0.001), n.minobsinnode=10) metric <- "RMSE" trainControl <- trainControl(method="cv", number=10) set.seed(99) gbm.caret <- train(Sepal.Length ~ ., data=iris, distribution="gaussian", method="gbm", trControl=trainControl, verbose=FALSE, tuneGrid=caretGrid, metric=metric, bag.fraction=0.75) print(gbm.caret) # …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

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