Questions tagged «mean»

我有一个一维随机变量，它非常偏斜。为了规范化此分布，我想使用中位数而不是均值。我的问题是：我可以使用公式中的中位数而不是均值来计算分布的方差吗？ 即我可以更换 Var(X)=∑[(Xi−mean(X))2]/nVar(X)=∑[(Xi−mean(X))2]/n \mathrm{Var}(X) = \sum[(X_i - \mathrm{mean}(X))^2]/n 与 Var(X)=∑[(Xi−median(X))2]/nVar(X)=∑[(Xi−median(X))2]/n \mathrm{Var}(X) = \sum[(X_i - \mathrm{median}(X))^2]/n 我这样做的理由是，由于方差是衡量分布的趋势，而分布是集中分布的主要趋势，所以这不应该成为问题，但我正在寻找验证这种逻辑的方法。

10 variance  mean  median 

测试夏普比率或信息比率的重要性的正确方法是什么？夏普比率将基于各种股指，并且可能具有可变的回溯期。 我看到的一种解决方案只是应用了学生t检验，而df设置为回溯期的长度。 由于以下原因，我不愿采用上述方法： 我认为t检验对偏斜敏感，但是股本收益通常会产生负偏斜。 使用对数收益计算的平均收益小于使用简单收益计算的平均收益。我认为，与基于对数收益的夏普比率相比，基于收益的简单夏普比率更有可能被注册为重要资产，但是底层资产收益在技术上是相同的。 如果回溯期很小（即样本量很小），则t检验可能是适当的，但是使用其他检验在什么阈值下有意义？ 我的第一个倾向是避免使用学生t分布，而是创建一个基于非对称配电，我已经测试读取已被证明是股市回报的一个非常接近的近似，允许在峰度和偏度控制。 我的第二个倾向是看非参数测试，但是由于使用经验有限，我不确定从哪里开始以及应该避免的陷阱。 我是否在考虑这个问题，是否与我的担忧无关？

10 time-series  statistical-significance  mean  finance  ratio 

这只是我多次遇到的示例，因此我没有任何示例数据。在R中运行线性回归模型： a.lm = lm(Y ~ x1 + x2) x1是一个连续变量。x2是分类的，具有三个值，例如“低”，“中”和“高”。但是，R给出的输出将类似于： summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 0.19 x1 -0.61 0.11 1.451 0.17 x2Low -0.78 0.22 -2.34 0.005 x2Medium -0.56 0.45 -2.34 0.005 我知道R在这种因素（x2是一个因素）上引入了某种虚拟编码。我只是想知道，如何解释x2“高”值？例如，x2在此处给出的示例中，“ High” 对响应变量有什么影响？ 我在其他地方（例如这里）已经看到了这样的示例，但是还没有找到我能理解的解释。

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

我想用这种定义将一般情况下的平均绝对偏差与标准偏差进行比较： MAD=1n−1∑1n|xi−μ|,SD=∑n1(xi−μ)2n−1−−−−−−−−−−−√MAD=1n−1∑1n|xi−μ|,SD=∑1n(xi−μ)2n−1MAD = \frac{1}{n-1}\sum_1^n|x_i - \mu|, \qquad SD = \sqrt{\frac{\sum_1^n(x_i-\mu)^2}{n-1}} 其中。μ=1n∑n1xiμ=1n∑1nxi\mu =\frac{1}{n}\sum_1^n x_i 每个是否正确？MAD≤SDMAD≤SDMAD \le SD{xi}n1{xi}1n\{x_i\}^n_1 它的虚假为，becouse，对于每个。n=2n=2n=2x+y≥x2+y2−−−−−−√x+y≥x2+y2x+y \ge \sqrt{x^2+y^2}x,y≥0x,y≥0x, y \ge 0 很容易证明： MAD≤nn−1−−−−−√×SDMAD≤nn−1×SDMAD \le \sqrt{\frac{n}{n-1}} \times SD

9 mean  standard-deviation  mean-absolute-deviation 

我有一个具有因变量和自变量的数据集。两者都不是时间序列。我有120个观察结果。相关系数为0.43 经过此计算后，我为两个变量添加了一个列，每12个观察值的平均值，结果得到2个新列，包含108个观察值（对）。这些列的相关系数为0.77 看来我以这种方式改善了相关性。可以这样做吗？我是否通过使用平均值提高了自变量的解释能力？

9 regression  correlation  mean  predictor  cross-section 

根据scikit-learn中StandardScaler对象的文档： 例如，学习算法的目标函数中使用的许多元素（例如支持向量机的RBF内核或线性模型的L1和L2正则化器）都假定所有特征都围绕0居中并且具有相同顺序的方差。如果某个特征的方差比其他特征大几个数量级，则它可能会支配目标函数，并使估计器无法按预期从其他特征中正确学习。 分类前应先缩放特征。有什么简单的方法可以说明为什么我应该这样做？引用科学文章会更好。我已经找到了，但可能还有很多。

9 machine-learning  svm  standard-deviation  mean  references 

6面模具反复滚动。求和大于或等于K所需的预期卷数是多少？ 编辑之前 P(Sum>=1 in exactly 1 roll)=1 P(Sum>=2 in exactly 1 roll)=5/6 P(Sum>=2 in exactly 2 rolls)=1/6 P(Sum>=3 in exactly 1 roll)=5/6 P(Sum>=3 in exactly 2 rolls)=2/6 P(Sum>=3 in exactly 3 rolls)=1/36 P(Sum>=4 in exactly 1 roll)=3/6 P(Sum>=4 in exactly 2 rolls)=3/6 P(Sum>=4 in exactly 3 rolls)=2/36 P(Sum>=4 in exactly …

9 self-study  mean  expected-value  dice  saddlepoint-approximation 

我有一个数据集，其中包含对紧急服务的所有呼叫以及急救部门的响应时间。他们承认响应时间存在一些错误，因为在某些情况下他们没有开始记录（因此值为0）或没有停止时钟（因此值可能非常高）。 我想找出中心趋势，我想知道使用中位数或修整后的平均值来消除异常值是否更好？

9 mean  outliers  median  trimmed-mean 

我正在寻找对具有特定属性的均值的可靠估计。我有一组要为其计算此统计信息的元素。然后，我一次添加一个新元素，对于每个其他元素，我想重新计算统计信息（也称为在线算法）。我希望此更新计算速度很快，最好是O（1），即不依赖于列表的大小。 通常的平均值具有此属性，可以有效地对其进行更新，但对异常值不具有鲁棒性。均值的典型鲁棒估计量（如四分位数间均值和修剪均值）无法有效更新（因为它们需要维护排序列表）。 对于可以有效计算/更新的可靠统计信息的任何建议，我将不胜感激。

9 estimation  mean  robust 

假设 XXX 与位置呈非中心指数分布 kkk 和率 λλ\lambda。那是什么E(log(X))E(log⁡(X))E(\log(X))。 我知道 k=0k=0k=0， 答案是 −log(λ)−γ−log⁡(λ)−γ-\log(\lambda) - \gamma 哪里 γγ\gamma是Euler-Mascheroni常数。那什么时候k>0k>0k > 0？

9 mean  expected-value  integral 

连续随机变量的期望值在非正态分布（例如偏正态）中如何与算术平均值，中位数等相关？我对任何常见/有趣的分布都感兴趣（例如，对数正态分布，简单的双向/多峰分布，其他任何奇怪而奇妙的分布）。 我主要在寻找定性答案，但是也欢迎任何定量或公式化答案。我特别希望看到任何使其更清晰的视觉表示。

9 mean  expected-value  median 

我有嘈杂的时间序列，我需要将其细分为平均值为零的那些部分和平均值为零的那些部分。尽可能准确地找到边界很重要（显然边界的确切位置有点主观）。我认为可以修改cusum变体来实现此目的，但是因为cusum主要是要找到单个更改，从而使整个细分策略完全无法解决。 我敢肯定，已经对此问题进行了很多研究，但未能找到它。 PS这些时间序列中的数据量非常大，即多达数亿个样本，单个样本可以是具有数百个分量的向量，因此可以合理快速计算的方法是一个重要因素。 PPS没有细分标签，因此没有分类标签。

9 time-series  classification  mean  change-point