Questions marquées «circular-statistics»

La statistique directionnelle (également appelée statistique circulaire ou sphérique) est la discipline des statistiques qui traite des directions (vecteurs unitaires dans ), des axes (lignes passant par l'origine dans ) ou des rotations dans . RnRnRn

4
Données d'angle d'encodage pour réseau neuronal
J'entraîne un réseau neuronal (détails non importants) où les données cibles sont un vecteur d'angles (entre 0 et 2 * pi). Je recherche des conseils sur la façon de coder ces données. Voici ce que j'essaie actuellement (avec un succès limité): 1) Encodage 1-of-C: je regroupe les angles possibles configurés …
2
Opérations trigonométriques sur les écarts-types
L'addition, la soustraction, la multiplication et la division de variables aléatoires normales sont bien définies, mais qu'en est-il des opérations trigonométriques? Par exemple, supposons que j'essaie de trouver l'angle d'une cale triangulaire (modélisée comme un triangle à angle droit) avec les deux cathètes ayant les dimensions et , toutes deux …
1
Régression logistique avec des données directionnelles comme IV
Je recherche de bonnes références sur l'utilisation des données directionnelles (mesure de la direction en degrés) comme variable indépendante dans la régression; idéalement, il serait également utile pour les modèles hiérarchiques non linéaires (les données sont imbriquées). Je m'intéresse également aux données directionnelles plus généralement. J'ai trouvé un texte de …
1
R / mgcv: Pourquoi les produits tenseurs te () et ti () produisent-ils des surfaces différentes?
Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne comprends pas, c'est pourquoi te(x1, …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
1
Moment / mgf de cosinus des vecteurs directionnels?
Quelqu'un peut-il suggérer comment je peux calculer le deuxième moment (ou la fonction de génération de moment entier) du cosinus de deux vecteurs aléatoires gaussiens x,yx,yx,y, chacun distribué comme N(0,Σ)N(0,Σ)\mathcal N (0,\Sigma), indépendants les uns des autres? IE, moment pour la variable aléatoire suivante ⟨x,y⟩∥x∥∥y∥⟨x,y⟩‖x‖‖y‖\frac{\langle x, y\rangle}{\|x\|\|y\|} La question la …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.